Anweisungs-/Antwort-Vorlage

Eine vorgefertigte SurveyJS-Vorlage und eine Schritt-für-Schritt-Anleitung zum Einrichten eines Crowd-Platform-Jobs, der KI-Plattform-taugliche Trainingsdaten erzeugt.

Wenn Sie noch keinen gelabelten Data-Platform-Datensatz oder Crowd-Platform-Job haben, dessen Antworten sich als Trainingsdaten eignen, bietet die KI-Plattform eine vorgefertigte SurveyJS-Vorlage, die eigens dafür gebaut wurde, Anweisungs-/Antwort-Paare zu erfassen — genau in der Form, die Trainingsdaten von einer Crowd-Job-Quelle erwartet.

Was sie erzeugt

Die Vorlage zeigt jedem Worker eine einzelne Anweisung und erfasst eine freitextliche Antwort. Zusammen mit den von Ihnen bereitgestellten Eingabedaten erzeugt ein daraus erstellter Job crowdAnswers in der Form:

{ "response": "Die Freitextantwort des Workers" }

die zum Zeitpunkt der Finetune-Datensatzerstellung mit dem Eingabe-Snapshot der Aufgabe zu Folgendem kombiniert wird:

{ "input": { "prompt": "Die Anweisung, die der Worker sah" }, "output": { "response": "Die Freitextantwort des Workers" } }

— eine saubere Trainingszeile mit jeweils einem einzigen Schlüssel auf beiden Seiten, bereit für POST /v2/ai-platform/finetune-datasets.

Der Finetune-Worker trainiert stets auf dem gesamten input-/output-Objekt als JSON-Text, nie auf einem entpackten, bloßen String — {"response": "..."} wird also zum wörtlichen Trainingstext, nicht nur "...". Das ist eine Eigenschaft des Finetune-Workers, nicht der Vorlage; das lässt sich derzeit nicht umgehen.

1. Vorlage erstellen

POST /v2/ai-platform/finetune-dataset-sources/instruction-response-template

{ "projectId": "project_abc123", "name": "Meine Anweisungs-Erfassungsvorlage" }

name ist optional — der Standardwert ist „AI Platform: Instruction/Response Capture“. Die Antwort ist eine normale survey_templates-Zeile (gleiche Form wie bei Aufgabenvorlagen), deren latestVersion bereits das fertige SurveyJS-JSON enthält — Sie müssen es und die ###prompt###-Platzhaltersyntax nicht selbst erstellen.

In platform-v2 hat die KI-Plattform-Seite eine Karte „Noch keine Trainingsdaten?“, die genau diesen Aufruf für Sie ausführt — wählen Sie ein Projekt, benennen Sie die Vorlage optional und klicken Sie auf Vorlage erstellen.

2. Ihre Anweisungen als Eingabedaten hinzufügen

Der Platzhalter der Vorlage wird aus einer Eingabedatensatz-Liste mit dem Namen exakt prompt befüllt — ein Wert pro Anweisung, auf die ein Worker antworten soll:

POST /v2/projects/:projectId/input-data

{
  "name": "Anweisungen Charge 1",
  "language": "de",
  "lists": [
    { "name": "prompt", "values": ["Fassen Sie diesen Artikel in einem Satz zusammen: ...", "Übersetzen Sie ins Deutsche: ..."] }
  ]
}

Der Listenname muss exakt prompt lauten, sonst wird der Platzhalter ###prompt### der Vorlage nie ersetzt — Worker sehen dann den wörtlichen Text ###prompt### statt einer Anweisung. Ein Listenwert wird zu einer Aufgabe/Variante — die Anzahl der Werte bestimmt also, wie viele Aufgaben der Job erstellt. Die vollständige Referenz zu Listen, Gruppen und Variantengenerierung finden Sie unter Eingabedaten.

3. Crowd-Job erstellen

POST /v2/projects/:projectId/crowd-jobs

{
  "name": "KI-Plattform-Trainingsdaten",
  "title": "Auf die Anweisung antworten",
  "description": "Schreiben Sie die ideale Antwort auf die gezeigte Anweisung.",
  "category": "survey",
  "language": "de",
  "surveyTemplateVersionId": "<Versions-ID aus Schritt 1>",
  "inputDataSetId": "<Datensatz-ID aus Schritt 2>",
  "maxWorkTimeMinutes": 5,
  "rewardCredits": 100,
  "maxRepetitionsPerVariant": 1
}

Die vollständige Feldreferenz finden Sie unter Jobs — insbesondere muss rewardCredits mindestens maxWorkTimeMinutes × 20 betragen, und maxRepetitionsPerVariant steuert, wie viele unabhängige Worker-Antworten Sie pro Anweisung sammeln (nützlich, um vor dem Akzeptieren die beste von mehreren Antworten auszuwählen).

4. Antworten prüfen und akzeptieren

Sobald Worker geantwortet haben, prüfen und akzeptieren Sie die Antworten, die Sie als Trainingsdaten behalten möchten — siehe Antworten. Nur accepted-Antworten fließen jemals in einen Finetune-Datensatz ein.

5. Finetune-Datensatz erstellen

POST /v2/ai-platform/finetune-datasets

{ "sourceType": "crowd_job", "jobId": "<Job-ID aus Schritt 3>" }

Wählen Sie von hier aus ein Basismodell und starten Sie einen Finetuning-Lauf wie gewohnt.