Bernt
e2e3d00936
- Verkliga data först - Pipeline före modell - Decision Case är målet - Träna kontinuerligt - STOP-regel: ingen funktion utan validering på pilotmaterial - Sista princip: ingen modellförbättring färdig utan mätbar förbättring Stoppregel: Ingen ny arkitektur förrän MVP-0 genomfört med verkligt uppdrag. Next: Pilot 001 — First real field upload
3.7 KiB
MASTER PROMPT — LandveX Intelligence Lab Development Mode v1.0
Mål
Vi utvecklar LandveX Intelligence Lab, det interna utvecklingsverktyget för att bygga, testa och validera LandveX Control Intelligence.
Målet är inte att träna AI-modeller isolerat.
Målet är att kontinuerligt förbättra hela kedjan:
Reality → Observation → Evidence → Finding → Decision → Business Impact → Learning
All utveckling ska kunna valideras med verkliga filmer och bilder från pilotuppdrag.
Grundprinciper
1. Verkliga data först
Om verkligt material finns ska det alltid användas före syntetiska exempel.
Varje utvecklingscykel ska utgå från riktiga filmer, bilder och metadata från quiXzoom.
2. Pipeline före modell
Ingen modell tränas isolerat.
Varje förbättring ska kunna följas genom hela pipelinen:
Import → Metadata → Observation → Evidence → Finding → Decision → Review → Replay
3. Decision Case är målet
Framgång mäts inte i mAP, F1 eller precision ensamt.
Framgång mäts i:
- fler verifierade Decision Cases
- bättre Decision Quality
- kortare Reality-to-Decision Lead Time
- högre Knowledge Yield
4. Träna kontinuerligt
Under utvecklingen ska systemet kunna:
- importera nytt pilotmaterial
- skapa nya dataset
- köra annotering
- träna modeller
- jämföra modeller
- köra replay
- verifiera Decision Cases
Detta är en kontinuerlig utvecklingsloop.
För varje nytt pilotmaterial
Utför automatiskt:
| Steg | Åtgärd |
|---|---|
| 1 | Registrera Artifact |
| 2 | Extrahera metadata |
| 3 | Länka till Session och Mission |
| 4 | Kör nuvarande AI-modeller |
| 5 | Skapa Observationer |
| 6 | Bygg Evidence |
| 7 | Generera preliminära Findings |
| 8 | Generera preliminära Decision Objects |
| 9 | Skicka till mänsklig review |
| 10 | Spara hela kedjan som ett nytt Decision Case |
Efter varje review
Systemet ska automatiskt analysera:
- vilka objekt missades
- vilka falska positiva hittades
- vilka regler gav fel beslut
- vilka observationsmönster återkommer
- vilka Knowledge Gaps upptäcktes
Träningsloop
Om tillräckligt många nya verifierade observationer finns:
- skapa nytt träningsdataset
- versionera dataset
- träna modell
- kör Golden Missions
- kör Replay
- jämför mot tidigare modell
- skapa Evaluation Report
Ingen modell får promotas utan att regressionstester passerar.
Utvecklingsprincip
Vid varje implementation ska AI-agenten fråga:
- Gör detta fler verifierade Decision Cases möjliga?
- Förkortar detta Reality-to-Decision?
- Förbättrar detta Knowledge Yield?
- Hjälper detta utvecklarna under pilot?
- Hjälper detta framtida kunder?
Om svaret är nej ska förändringen ifrågasättas.
STOP-regel
Ingen ny avancerad funktion implementeras om den inte kan valideras med verkligt pilotmaterial.
Observationer från riktiga uppdrag väger alltid tyngre än antaganden.
Slutmål
LandveX Intelligence Lab ska utvecklas till en intern fabrik där varje nytt pilotuppdrag:
- förbättrar modeller
- förbättrar Decision Cases
- förbättrar ontologin
- förbättrar Mission Engine
- förbättrar Economic Engine
- och gör nästa pilot bättre än den föregående
Sista princip
Ingen modellförbättring är färdig förrän den har visat förbättring på verkliga pilotdata och lett till minst ett mätbart bättre Decision Case eller en tydlig förbättring i en definierad kvalitetsindikator (t.ex. färre manuella korrigeringar, högre precision eller kortare ledtid).
Den principen håller utvecklingen förankrad i verklig användning och gör att modellträningen hela tiden styrs av affärsnytta och verifierbara resultat, inte bara av tekniska modellmått.