标注平台 - 内置 LLM 自动标注后端
除了对接外部模型服务做自动标注外，平台内置了一套由平台大模型驱动的自动标注 ML 后端， 直接对接 Label Studio 的「Machine Learning Backend」机制，对标注任务做自动预标注，无需自己额外部署模型服务。
后端实现：
myapp/views/view_labelstudio.py，route_base = /proxy/labelstudio。 底层调用平台大模型完成 NLP 与视觉标注，模型由配置项CHATGPT_CHAT_URL/CHATGPT_ARGS指定（OpenAI 兼容地址，见install/kubernetes/cube/overlays/config/config.py:1336-1339）。
支持的标注类型（field / model_type）
自动标注按 URL 中的 <field>/<model_type> 分派（view_labelstudio.py:76-98）。<field> 是模态域（nlp 文本 / cv 视觉），<model_type> 是具体标注类型：
文本（field=nlp）
| model_type | 用途 |
|---|---|
classification |
文本分类 |
summary |
文本摘要 |
translaton |
翻译（代码中即拼作 translaton） |
ner |
命名实体识别 |
faq |
问答 |
rank |
答案排序 |
intent |
意图识别 |
chat |
对话 |
视觉（field=cv，调用多模态大模型）
| model_type | 用途 |
|---|---|
caption |
图片描述（为图片生成一句话描述） |
detection |
目标检测 |
固定接口
后端实现了 Label Studio ML Backend 要求的一组固定接口，路径形如
/proxy/labelstudio/<field>/<model_type>/<动作>：
| 接口 | 方法 | 作用 |
|---|---|---|
/<field>/<model_type>/health |
GET/POST | 健康检查 |
/<field>/<model_type>/setup |
GET/POST | 初始化，接收 access_token / hostname / project |
/<field>/<model_type>/predict |
GET/POST | 预测（自动标注核心），返回 Label Studio 标准 result 结构 |
/<field>/<model_type>/train |
GET/POST | 训练（占位，返回空） |
/<field>/<model_type>/webhook |
GET/POST | 事件回调（占位） |
/<field>/<model_type>/delete |
GET/POST | 删除（占位） |
其中 <field> 为模态域（nlp / cv），<model_type> 为上表中的标注类型。
接入步骤
- 确保平台已配置可用的大模型：配置项
CHATGPT_CHAT_URL（OpenAI 兼容地址）与CHATGPT_ARGS（模型/参数），见install/kubernetes/cube/overlays/config/config.py:1336-1339。 - 在 Label Studio 标注项目的「Settings → Machine Learning → Add Model」中，把 Backend URL 填为
平台内置后端地址：
<平台域名>/proxy/labelstudio/<field>/<model_type>（例如文本分类：.../proxy/labelstudio/nlp/classification；图片描述：.../proxy/labelstudio/cv/caption）。 - 保存后 Label Studio 会调用
setup完成握手；标注时调用predict获取自动预标注结果。 - 标注人员在自动预标注基础上做人工校正，提升标注效率。
不同
model_type对标注模板（Labeling Config）的字段/控件有相应要求（如分类需Choices、NER 需Labels）。 每种类型的输入字段与返回result格式对应view_labelstudio.py中的分支实现（如分类nlp_classification:102、翻译nlp_translaton:213、图片描述cv_caption:578）。