Baseten的官方客户案例介绍，EliseAI在住房服务等场景中，把对话转换为业务字段，并利用较小模型开展微调。案例强调了训练数据质量及持续迭代。本文将其作为企业模型部署资料研究；公开材料没有给出本文所述项目的完整FDE人员安排，不能据此虚构驻场团队。
业务字段的含义，需要先于训练确定
以下为本站模拟：租客先说希望尽快入住，后又说下月中旬比较方便。系统应保留较新的时间意向，还是提示工作人员继续确认？客户问某户型是否有阳台，是否就算已经表达了必须带阳台的偏好？这些判断首先属于业务规则。
如果两名标注人员对同一段对话给出不同答案，模型训练之前就存在分歧。服务团队可以把有争议的样本集中交给业务负责人裁定，并记录采用的规则、适用范围和生效版本。不能仅把模型输出与一份未经检查的表格比较，就宣布正确率已经达标。
保留不知道，而不是把空缺补成确定事实
结构化结果应容纳未提及、含糊和前后冲突。用户没有说预算时，让字段为空往往比凭相似客户推测更能保留事实边界。接口还要区分“没有这项信息”和“明确拒绝这个选项”，否则后续筛选可能把不同情况归为一类。
验收集可覆盖初次表达、补充条件、改口、否定及多轮纠正。每条样本保留对话来源、允许使用的范围、期望字段与人工裁定说明；用于验收的材料应与训练材料分开，避免把记住旧答案误认为能够处理新的业务。
把错误修复做成可交接的小循环
发现错误后，先定位是原始对话缺信息、标注有误、字段定义冲突，还是模型没有遵循规则。不同原因对应不同改动：补一个问题、修正标签或更换模型，不能混成同一类“继续训练”。每轮变更只记录实际修过的内容，并重跑相关历史样本。
部署也要给客户留下恢复路径。旧规则与旧模型如何配对、谁能批准上线、异常时如何转人工，都应写入交接材料。Baseten公布的速度和效果属于供应商案例陈述，本站未复测，不将其作为本地项目的保证指标。
延伸阅读：FDE模型替换验收。真正可接手的交付，不只是训练完成的模型文件，还包括客户能够解释、修正和继续维护的一套业务判断。