prodigy-recipes

收录理由

如果你正在为NLP或计算机视觉项目搭建数据标注流程，并且希望每一步都可控、可定制，这个仓库会非常实用。它把Prodigy的食谱代码整理成带注释的脚本，覆盖命名实体识别、文本分类、术语引导以及图像标注（边界框或多边形）等常见任务。脚本经过简化和讲解，你能清楚地看懂每个步骤在做什么，然后按需调整主动学习的采样策略、更换模型，或者加入自定义的过滤器和回调函数，而不必在复杂的生产代码里摸索。它既是快速上手常用命令（比如ner.teach、textcat.correct）的起点，也是学习“人在回路”标注设计的参考案例，这种双重用途让它的价值不局限于某个具体项目。需要注意一点：这些脚本依赖Prodigy工具本身，使用前需要获得相应许可证。