数据标注和训练数据管理，通常是 AI 项目里最繁琐、最不讨好的环节。Encord 这家做数据标注平台的公司，最近发布了一个叫 Merlin 的智能体层，想把这部分工作直接塞进现有对话工具里，让用户不再需要频繁切换界面去配置项目、查指标。
Merlin 的定位是 Encord 之上的“agentic intelligence layer”，听起来抽象，但实际动作很明确：你可以在 Claude、Codex 这类编程助手里，通过 MCP（Model Context Protocol）直接和 Encord 对话，让它帮你从零搭起一个标注项目、查询数据质量指标，或者定位拖累模型表现的样本。官方把这种使用方式概括为“在一个对话里管理你的 AI 数据基础设施”。
这波发布最值得注意的，是它在数据生命周期里覆盖了三个关键动作：
- Build（搭建）——从一句提示词或一份文档出发，自动生成标注配置。Merlin 会帮你定义标签方案、定制标注界面、设置审查流程，不用再从空白状态开始。
- Observe（观察）——随时掌握数据分布和质量。需要哪些指标、覆盖 gaps 在哪里，直接问它；它会按需给出结果，而不是等人工分析。
- Optimize（优化）——定位模型表现不佳的根因，并直接指向 Encord 里的具体数据。你可以当场修正数据问题或工作流，形成闭环。
这套逻辑并不复杂，但“用自然语言驱动数据基础设施”的体验，以往通常藏在各种运维工具里。Merlin 的切入点是把入口放到开发者已经熟悉的对话环境中。对整天泡在 Claude、Codex 里的算法工程师来说，顺手问一句数据情况，比打开 Encord 自行翻看更直接。
目前 Merlin 以 beta 形式通过 MCP 提供，官方点名支持 Claude、Codex 以及“所有其他 agentic coding 平台”，Slack 集成也在路上。这意味着早期用户大概率是已经在用这类编码助手的团队。官方明确表示先开放给一小批选定客户，邀请感兴趣的人注册排队。
“Getting the data right has never been more effortless.”——这是发布文章里的一句原话，多少带着点自信，但从产品思路上看，它确实在把原本需要手动操作的数据工程流程，压缩进一个对话式界面里。
对团队而言，Merlin 的实际价值可能不在某个单点功能，而在于缩短“发现问题 → 定位问题 → 修复数据”的循环。过去，数据团队和模型训练团队往往在工具链上来回沟通，现在这个循环有望在一个聊天窗口里完成。当然，前提是 Encord 自身的标注和数据集管理能力足够稳，Merlin 更像是给已有工作流加了一个智能入口。
需要提醒的是，这次发布公开的技术细节有限，尤其是性能表现和定价策略都没有明确数据。beta 阶段的功能边界、稳定性和对复杂项目的支持能力，还有待实测。如果你所在团队已经在用 Encord，并且日常依赖 Claude 或 Codex，可以关注早期访问入口；如果只是好奇，不妨等它走出 beta 再评估。
评论
暂无评论
成为第一个评论的人