新功能

Name: Potato
Author: Potato

Potato v2.x 的新特性。2.8 版加入計算機視覺、3D 點雲、深度圖、機器人回合與世界模型評測，並對幾何與時間提供機會校正後的一致性度量。61 種標註類型，24 種展示類型。

本頁面介紹 Potato v2.x 各版本的新功能和改進。

Potato 2.9.0

2026 年 9 月釋出

Potato 可以從 brat、doccano、Prodigy、CoNLL 和 REFI-QDA 匯入項目，並能在本地對音訊進行轉寫和說話人分離。匯出結果會記錄每個影像形狀是由人繪製、由模型提議還是匯入的，以及每一票是在哪個房間投出的。本次釋出的大部分內容是缺陷修復。

升級前請對每個配置執行 potato validate --strict。 有幾項改動可能讓在 2.8.2 下正常執行的研究無法啟動或行為發生變化：同一階段內重複的方案名會被拒絕；min_annotators_per_instance 變成了每條資料上限的別名；require_fully_annotated: true 開始生效；載入失敗的階段會中止啟動；片段偏移量改用碼位而不是 UTF-16 單元。集合值、順序值、矩陣和帶文字標籤的定序方案的一致性數值會發生變化，應重新計算。完整列表見釋出說明。

bash

pip install --upgrade potato-annotation

匯入與匯出

brat、doccano、Prodigy、CoNLL-2003/CoNLL-U 和 REFI-QDA .qdpx 的匯入器，以及 .qdpx 匯出器。參見匯入項目。
匯出中的來源資訊。 每個影像形狀都會記錄它是由人繪製還是由模型提議的（source、ai_model、confidence、edited、carried_over、import_format）。在多人房間中投出的票會帶上房間、角色、初始投票、揭曉後是否改變以及投票人數。
csv、jsonl 和 parquet 格式的片段匯出會包含被覆蓋的文本。
新增 potato export --format adjudication，並且每種方案類型現在都有“採納某個答案”的裁決控制元件（此前只有 radio 和 likert 有）。

音訊、影片與轉寫

本地轉寫與說話人分離，使用 faster-whisper 和 sherpa-onnx，不需要 PyTorch，也不需要 Hugging Face 令牌：安裝 potato-annotation[transcribe]，然後執行 potato transcripts <dir> --transcribe --diarize --num-speakers N -o out.json。參見轉寫格式。
segment_schemes 可以在音訊或影片片段內渲染任意標註類型。此前該設定會被接受但不起作用。

一致性、品質與 AI

隨時間變化的一致性，與編碼手冊的修訂版本關聯，並在 /admin/iaa 上提供重新校準的觸發器。
模型輸出審閱模式，包含空預測的切片，因此可以計算召回率。
ai_budget.cap_usd 會拒絕啟動超出預算的執行，ai_budget.prices 可在配置中設定各模型的價格。
ai_support 會記錄 final_annotation 和 pre_annotation_seeds，因此可以用你自己的資料衡量採納率。

部署與介面

每個頁面都支援反向代理和路徑字首（#168，Aldo Costa）。參見反向代理。
card_sort 無需滑鼠即可操作，移動會播報給螢幕閱讀器。
resizable、max_height 和 min_height 對每種顯示類型都有效。

影響結果的修復

/admin/api/agreement 從未算出過數值，而且比較的是儲存值而不是標籤名，所以每個分類方案都顯示為完全一致。
在每條資料兩人標註的研究中，第二名標註者會被送到完成頁面，之後給出的每個答案都會丟失。
除 fixed_order 外，在每種分配策略下 AI 建議針對的都是錯誤的資料條目。
在預設的記憶體配置下，註冊資訊從未被儲存，因此伺服器重啟後任何人都可以認領已有的使用者名稱。

感謝 Aldo Costa（@Eyecatch3r）提交 #168 和 #171，感謝 @ruthenian8 報告並診斷 #170。

Potato 2.8.2

2026 年 8 月釋出

2.8.1 並未包含其釋出說明中描述的五項安全修復中的兩項：媒體端點上的 SSRF 修復（GHSA-9394-85jj-2mhj）和除錯模式加固（GHSA-r4ww-vc5h-35qf）。2.8.2 包含了這兩項。如果你是為了其中任何一個問題升級到 2.8.1 的，請再次升級。參見 2.8.2 釋出說明。

Potato 2.8.1

2026 年 8 月釋出

一次安全釋出。它修復了通過即時程式設計智慧體實現的遠端程式碼執行（GHSA-cm4p-5rfv-x252）、無需管理員金鑰即可讀取的管理配置，以及接受所有請求的軌跡攝取 webhook。如果你在 localhost 以外的任何地方執行 Potato，請升級，並直接升級到 2.8.2，它包含 2.8.1 缺少的兩項修復。

Potato 2.8.0

2026 年 8 月釋出

Potato 曾經是一個帶影像模式的文本標註平臺。如今它覆蓋影像、影片、十億畫素級掃描件、3D 點雲、深度圖、機器人回合、生成式影片推演，以及視覺-語言定位。對其中每一項，它都會報告機會校正後的一致性。

如果你是從 PyPI 安裝的，請升級。 2.7.1 之前的 wheel 包在宣告包資料時只用了一層萬用字元，因此有 27 個位於子目錄中的模板從未被打進任何 wheel。對所有執行 pip install 的人來說，solo 模式的初始化路由、管理頁面、評審校準和語料地圖都無法工作；而從 git 檢出執行的人從未遇到這個問題。該問題已由 @0x6362 在 PR #164 中修復。

bash

pip install --upgrade potato-annotation

幾何與時間上的一致性

空間標籤的機會校正一致性，拆解為檢測（標註者是否找到了同樣的物件）、分類（他們是否給出了同樣的名稱）和定位（他們是否放在了同樣的位置，以 σ 相對於經驗機會基線報告，並附一個 KS 檢驗）。
STAPLE 用於掩碼共識。它估計一條潛在邊界，以及每位評分者的敏感度和特異度。在一個兩位細緻的標註者以三比二被噪聲標註者壓過的語料上，多數投票相對真值的 Dice 為 0.846，而 STAPLE 為 1.000。
精確的旋轉 3D IoU，因此長方體一致性在無人機、手持和室內資料上都是正確的，而不僅限於水平框。
時間一致性以掃描的形式報告，覆蓋多個匹配容差，因為 0.25 秒容差下的一致性與 2 秒容差下的一致性是兩種不同的結論。
未定義的值會自我說明。在完全一致的語料上 α 確實是未定義的，而一個光禿禿的 NaN 看上去像是計算出了故障。

這同時修復了一個缺陷：裁定流程比較的是標註的鍵，而影像方案把一切都存在一個名為 _data 的鍵下。於是每一對影像標註的一致性都算成 1.0，兩位其實毫無共識的標註者看起來完全一致，任何影像都不會被路由去複核。

視覺

幾何基元：折線、橢圓、2D 長方體、帶骨架拓撲與 COCO 可見性標誌的關鍵點集，以及按實例分鍵的畫筆掩碼。
瀏覽器內點選分割——在 ONNX Runtime Web 下執行的 MobileSAM，每次點選約 132 毫秒，不需要 GPU，也不需要逐次點選的網路呼叫。
開放詞表文本提示：輸入一個短語，所有匹配物件都會被框出。使用 Grounding DINO，Apache-2.0 許可，同樣在瀏覽器中執行。
影片掩碼傳播，基於 SAM 2 的記憶模組，實測每幀 IoU 為 0.974–0.979，且在整個序列上沒有衰減。這一項按設計在服務端執行；瀏覽器另有一條更輕量的沿用路徑。
深度縮放支援十億畫素級影像，同時以 DZI 和 IIIF Image API 3.0 提供，畫筆掩碼按源圖的完整解析度工作。
媒體接入：多頁 16 位 TIFF、HEIC、相機 RAW，以及通過帶快取的服務端代理支援的 ProRes/MKV/MOV。
15 種匯入與 29 種匯出格式，其中 11 種可雙向往返。Darwin 格式兩個方向都支援。

影像標註的鍵盤快捷鍵現在預設遵循 V7 的約定：b 畫筆、r 矩形、f 填充、k 關鍵點、v 選擇。在方案上設定 keybinding_profile: legacy 可以為已經在實地進行的研究恢復舊的鍵位。

3D、深度與機器人

spatial_annotation 支援 PCD、PLY、LAS、KITTI .bin 和 .xyz 點雲，提供 3D 長方體、點、折線和逐點分割，並帶有八叉樹細節層次和正交切片面板。旋轉以四元數儲存，因此僅記錄偏航角的欄位會悄悄丟棄的安裝傾角，能夠在 KITTI 往返中保留下來。
深度圖支援 16 位 PNG/TIFF、NPY、PFM 和 EXR，帶窗寬窗位調節、偽彩對映、游標下的米數讀數，以及反投影到同一個 3D 檢視中。
考慮標定的投影，因此在 3D 中繪製的長方體會出現在每一路相機影像中，並可在 2D 中核對。
episode_annotation 把 N 路同步影片流和 M 條機器人時序通道放在同一條時間軸上，支援階段切分、逐階段結果和稠密獎勵曲線。可匯入 LeRobot v2、RLDS/TFDS 和 HDF5。通道降取樣會保留極小值和極大值，因此一個僅持續一幀的力值尖峰也能在壓縮到 300 畫素寬的通道後依然可見。

評測

rollout_evaluation 把 2 到 N 段生成影片放在同一個時鐘上，請標註者標出世界開始不合理的那一幀，再標註是哪條物理或因果性質被破壞。各個面板可以做盲化處理，並按標註者穩定地打亂順序。
grounding_eval 和 region_caption 用四個閾值下的 IoU 給定位打分，用點落在區域內的命中率給指點打分——因為點沒有面積，對點計算 IoU 永遠為零。無法定位的情況單獨計數。

其餘更新

線索式對話：dialogue 展示會根據每個話輪的 reply_to 渲染回覆結構。potato convokit 可匯入任意 ConvoKit 語料，--format convokit 可匯出回去，且不依賴 convokit 包。
繪製遙測——每個圖形的耗時、筆畫動態、修改次數，以及接受 AI 建議的延遲。整批照單全收的預標註會讓所有品質指標都變好看，包括一致性，因為其幾何形狀與認真作業完全相同。耗時是唯一能顯出差別的地方。
即時資料庫接入：啟動之後新建的資料行會在 poll_interval_seconds 之內變為可標註，無需重啟（#166）。
機器可讀的規格說明——一份覆蓋 159 個配置鍵、61 種標註類型和 24 種展示類型的 JSON Schema，以及一份含 419 條路徑的 OpenAPI 文件。兩者都由程式碼生成，任一齣現漂移時 CI 都會失敗，因此編輯器或編碼智慧體可以在不臆造選項的情況下校驗配置。
不發出任何外部請求：全部 14 套模板中的每一份樣式表、指令碼、字型和圖示現在都由本地安裝提供。此前 styles.css 開頭是一條指向 Google Fonts 的 @import，會在頁面載入時把每位標註者的 IP 地址發給第三方，登入頁還帶著一個第三方 favicon。兩者都已移除。
管理端 Instances 標籤頁從二次複雜度降到線性：2,000 條資料的載入時間從 15.1 秒降到 23 毫秒。

Potato 2.7.2

釋出於 2026 年 8 月

自由文本欄位的擊鍵記錄。Potato 記錄答案背後的時間資訊，從不記錄字元本身，而這已經足以把打字和貼上區分開。

擊鍵記錄 — 對每個自由文本欄位的停頓、爆發、修改和貼上做內容無關的採集，每份回答計算約四十項摘要特徵。預設關閉。
寫作過程檢測 — 六條具名規則，閾值明確，並會報告觸發每個標記的特徵值。閾值可以針對你自己的項目重新擬合；如果你有標籤，還有一條有監督的路徑。
倫理指南 — 知情同意示例文本、留存與刪除、基礎率問題，以及為什麼一個標記是提示你去檢視，而不是一項結論。
可選匯出 — export_include_typing_dynamics 寫出一個摘要附屬檔案，--format keystrokes 把原始事件流寫入 Parquet。兩者都不預設開啟，行為資料不會意外進入資料集釋出。

向標註者披露預設開啟，關閉它會在啟動時記錄一條警告。

Potato 2.7.1

釋出於 2026 年 7 月

轉錄稿匯入，前提是轉錄稿已經存在。有人跑過 Whisper，或者下載了字幕，或者拿到了一份語料，而下一步不該是寫轉換指令碼。

21 種轉錄稿與字幕格式，此前是 6 種。Whisper、WhisperX、whisper.cpp、AWS Transcribe、Deepgram、AssemblyAI、Rev.ai、SPoRC、SubRip、WebVTT、SubStation Alpha、TTML/DFXP、YouTube json3 與 srv1/srv2/srv3、NIST CTM、Praat TextGrid 以及 ELAN EAF。按檔案內容識別，而不是按副檔名。
附屬轉錄稿檔案 — 資料檔案可以指向磁碟上的 media/int_001.srt，而不必把轉錄內容內聯進來。路徑經過標準的路徑安全檢查在 task_dir 下解析，所以轉錄稿仍然是你能 diff、能重新匯出的檔案。
potato transcripts — 一個轉換器，把一整個資料夾的 ASR 輸出變成可直接標註的資料檔案，按檔案基名把轉錄稿和媒體配對。--dry-run 在寫入任何東西之前先報告它識別到了什麼，--emit-config 列印一份對應的配置。
四種 schema 共用同一套格式詞彙 — speech_transcript、voice_interaction 和 tiered_annotation 現在都接受 audio_dialogue 顯示類型接受的全部格式。此前只有顯示類型支援。
標註 Whisper 轉錄稿 和 標註 YouTube 字幕 從這兩種起點各完整走了一遍。

ASR 和說話人分離仍然在上游完成。Potato 讀取它們的輸出，自己不做轉寫。

Potato 2.7.0

釋出於 2026 年 7 月

Potato 2.7 建立在一個想法上：標註工具應該測量判斷是怎麼做出的，而不只是記錄判斷的結果。這對兩類判斷者都適用——做標註的人，以及被評估的 AI 模型。

測量人類如何標註

七項可選功能，都不需要 LLM。

心理測量學引擎 — 一個即時的項目反應理論層，給每個標籤一個後驗機率和置信區間（p = 0.94 [0.88–0.97]），而不是一個光禿禿的多數投票。它僅憑一致性模式估計標註者能力和項目難度，把項目分派給判斷資訊量最大的標註者，並標出可能的編碼手冊漏洞。
多人協作房間 — 你的團隊本來就在螢幕共享裡開的校準會議，被搬進工具並加上了測量：盲投、主持人揭曉、討論、復投，還有一個即時的 Krippendorff's α 儀表顯示這場會議值多少。
邊界實驗室 — 每次標註之後追加反事實探針（「換成這樣還成立嗎？」），把普通標註變成對比集，並且不用埋金標準項目就能發現前後不一致的標註者。
Truth Serum — 「意外地受歡迎」同伴預測計分法，在標註本身很難的場景裡勝過多數投票，且不需要金標準標籤。
Think-Aloud 模式 — 標註者一邊工作一邊說話；語音轉文字完全在本地執行，逐字轉錄稿直接成為理由說明。
論文模式 — 一條命令把項目變成可編譯的 LaTeX 資料集報告，含一致性統計和引用。
口袋模式 — 一等公民的移動端標註，帶可滑動卡片堆、離線同步和 PWA 安裝。

評估 AI 智慧體

智慧體評估套件擴充套件到了團隊結構和多模態智慧體：可點選的智慧體互動圖、跨智慧體失敗歸因、交接審查、單個智慧體和團隊記分卡、工具爭用時間線、湧現行為標註，以及 GUI/計算機操作軌跡、全雙工語音時間線、影片時間定位和文件表格結構。

其他各處

跨文件事件標註、輪次級標註、帶全頁編輯器的活文件式編碼手冊、可選 OCR 的 PDF 跨頁連結、帶按佇列分組 schema 的 RBAC 角色、10 種語言的管理員和標註者儀表板，以及輕得多的安裝——AI SDK 現在延遲載入，啟動時間從約 2.0 秒降到 0.7 秒。

Potato 2.6.0

釋出於 2026 年 6 月

Potato 2.6 進入定性資料分析領域，並加深了智慧體評估工具集。它新增了 QDA 模式、帶訊號分診佇列的 LLM 評判校準與對齊工作流，以及能產出 SFT 和 DPO 訓練資料的軌跡編輯 schema。Potato 同時改用 GPL-3.0-or-later 許可（此前為 PolyForm Shield）。

QDA 模式

可選的 qda_mode 把 Potato 變成協作式定性編碼工作區。啟用它會同時裝配活文件式編碼手冊、原生編碼（in-vivo）、分析備忘、案例和全文檢索，預設值針對一位分析員編碼整個語料的場景調優。

yaml

qda_mode:
  enabled: true            # codebook + memos + cases + search
codebook_invivo_key: i     # mint a code from a text selection
search:
  enabled: true
  annotator_claim: true

瞭解更多關於 QDA 模式 →

LLM 評判校準與對齊

先用一個或多個 LLM 評判者自動打標，然後跑一輪盲測的人工校準來衡量準確率、一致性和校準誤差。另有一套單評判者對齊工作流，在你打磨評分標準的過程中追蹤與人工金標準之間的 Cohen's kappa，並可在標註過程中內聯顯示評判結果。

瞭解更多關於評判校準 → · 評判對齊 →

基於訊號的分診佇列

按每個項目的品質訊號給標註佇列排序——智慧體報錯、線上的點踩、低分，或任意自定義欄位——讓審查者先看到最可疑的項目，而不是按到達順序看。

yaml

triage:
  enabled: true
  signal_field: quality_score
  invert_signal: true
assignment_strategy: priority

瞭解更多關於分診佇列 →

面向 SFT/DPO 的軌跡編輯

新增的 trajectory_edit 和 trajectory_correction schema 讓標註者可以改寫智慧體軌跡中的步驟。匯出器把每一對原始/修正內容變成監督微調目標（trajectory_sft.jsonl）和 DPO 偏好對（trajectory_dpo.jsonl）。

瞭解更多關於軌跡編輯 →

eval_trace 顯示類型

一個三欄的智慧體軌跡顯示類型——推理、函式呼叫和最終答案——為持續評估而設計：軌跡通過 webhook、Langfuse 輪詢器或被監視的目錄到達，並在到達時被評判。

瞭解更多關於 eval_trace →

工作流與分派

異構覆蓋 — 按項目設定標註者上限、標註者間一致性報告，以及針對不同項目需要不同標註人數的任務的裁決路由。
回收被放棄的分派 — 找回被 Prolific 或品質控制攔截的工作者留下的分派，留存時間可配置，回收操作冪等。
自定義批次分派策略 — 把預先定義好的項目批次分配給特定標註者。
反向代理 URL 字首 — 在反向代理後以子路徑提供 Potato 服務。

許可

Potato 現在以 GPL-3.0-or-later 釋出，從 PolyForm Shield 改換而來。你可以使用、修改和再分發它，包括商業用途，只要衍生作品仍然採用 GPL。詳見關於頁面。

效能與穩定性

啟動大約快了 3 倍。 ML 棧不再在啟動時被急切載入：匯入時間從約 6.5 秒降到 2 秒，5 萬項目的啟動從約 10 秒降到 5.7 秒，常駐記憶體從約 750MB 降到 365MB。
Schema 更名。 annotation_type: highlight 現在叫 span，並提供了遷移。改名即可更新舊配置；已有的 span 配置不受影響。
一輪範圍很廣的 QA 加固，涉及路由註冊、培訓階段、Prolific、持久化、匯出與問卷處理、webhook、單人模式和主動學習。

Potato 2.5.0

釋出於 2026 年

一波定性編碼功能，讓 Potato 在原有的 NLP 與 ML 標註能力之外，也能勝任定性研究工作流。

標註者間一致性 — 除 Krippendorff's alpha 外，新增 Cohen's kappa（兩兩）和 Fleiss' kappa（N 位評分者），通過管理員一致性 API 暴露。參見標註者間一致性指南。
新匯出器 — codebook（按 schema 輸出 CSV，含編碼層級、顏色、描述和使用次數）和 quotation_report（按片段輸出 CSV，含文本、偏移量、來源文件和編碼者）。
編碼分析 — 用於編碼兩兩共現，以及基於既有實例後設資料的編碼-屬性交叉表的管理員端點。

Potato 2.4.5

釋出於 2026 年

一個穩定性與工具版本。

經驗證的迭代改進 — 一個可插拔框架，用於迭代改進單人模式的標註指南，並對指南自相矛盾和後設資料洩漏設有防護。
配置校驗器 — 新的 python -m potato.validate_cli 命令列工具，對照已知配置 schema 檢查配置鍵。
安全 — 修復了路徑校驗中的同級字首路徑穿越繞過（GHSA-q9m2-fhv9-3jcf）。
修復涉及儲存/導航狀態同步、Prolific 整合、多階段導航和品質控制反饋。

Potato 2.3.0

釋出於 2026 年 3 月 9 日

Potato 2.3 是 Potato 歷史上最大的一次釋出，引入了智慧體標註、單人模式、最優-最差量表、SSO/OAuth 認證、Parquet 匯出、15 個新的演示項目和安全加固。

智慧體標註

一套通過人工標註評估 AI 智慧體的完整系統。包含 12 個軌跡格式轉換器、3 種專用顯示類型和 9 個預置標註 schema。

12 個軌跡格式轉換器 — 從 OpenAI、Anthropic、SWE-bench、OpenTelemetry、MCP、CrewAI/AutoGen/LangGraph、LangChain、LangFuse、ReAct、WebArena/VisualWebArena、ATIF 以及原始瀏覽器錄製匯入智慧體軌跡。支援自動識別。

yaml

agentic:
  enabled: true
  trace_converter: react       # or openai, anthropic, webarena, auto, etc.
  trace_file: "data/traces.jsonl"

3 種顯示類型：

智慧體軌跡顯示 — 彩色編碼的步驟卡片，可摺疊的觀察內容、JSON 美化輸出，以及面向工具呼叫型智慧體的時間線側欄
網頁智慧體軌跡顯示 — 完整截圖配 SVG 疊加層，標出點選目標、文本輸入和滾動操作；面向瀏覽型智慧體的膠片條導航
互動式聊天顯示 — 即時聊天模式（標註者通過代理與智慧體互動）和麵向對話型智慧體的軌跡審查模式

逐輪評分 — 在整體軌跡之外，對單個步驟單獨評分，做更細粒度的評估。

9 個預置 schema — agent_task_success、agent_step_correctness、agent_error_taxonomy、agent_safety、agent_efficiency、agent_instruction_following、agent_explanation_quality、agent_web_action_correctness、agent_conversation_quality。

智慧體代理系統 — OpenAI、HTTP 和 echo 代理，用於即時智慧體評估。

瞭解更多關於智慧體標註 →

單人模式

一個 12 階段的智慧工作流，由一位人類標註者與 LLM 協作標註整個資料集，在只需 10-15% 人工標籤的情況下，與多標註者流水線達到 95% 以上的一致性。

12 個階段：

種子標註 — 人類標註 50 個多樣化實例
初始 LLM 校準 — LLM 參照種子示例進行標註
混淆分析 — 識別系統性的分歧模式
指南改進 — LLM 提出修改，人類批准更新後的指南
標註函式生成 — 受 ALCHEmist 啟發的程式化規則
主動標註 — 人類標註資訊量最大的實例
自動改進迴圈 — 用改進後的指南迭代重新標註
分歧探查 — 人類解決 LLM 與標註函式之間的衝突
邊緣案例合成 — LLM 生成有歧義的示例交由人類標註
級聯置信度上報 — 人類審查置信度最低的標籤
提示詞最佳化 — 受 DSPy 啟發的自動提示詞搜尋
最終驗證 — 隨機抽樣審查

yaml

solo_mode:
  enabled: true
  llm:
    endpoint_type: openai
    model: "gpt-4o"
    api_key: ${OPENAI_API_KEY}
  seed_count: 50
  accuracy_threshold: 0.92

多訊號實例優先順序排序 — 6 個加權池（uncertain、disagreement、boundary、novel、error_pattern、random），用於挑選最有價值的實例。

瞭解更多關於單人模式 →

最優-最差量表

一種高效的比較式標註方式，標註者從一組元組中選出最好和最差的項目。自動生成元組，採用平衡不完全區組設計，並提供三種計分方法（計數法、Bradley-Terry、Plackett-Luce）。

yaml

annotation_schemes:
  - annotation_type: bws
    name: fluency
    tuple_size: 4
    best_description: "Most Fluent"
    worst_description: "Least Fluent"

瞭解更多關於最優-最差量表 →

SSO 與 OAuth 認證

可用於生產環境的認證方案，支援 Google OAuth（限制域名）、GitHub OAuth（限制組織）和通用 OIDC（Okta、Azure AD、Auth0、Keycloak）。支援自動註冊、混合模式和會話管理。

yaml

authentication:
  method: google_oauth
  google_oauth:
    client_id: ${GOOGLE_CLIENT_ID}
    client_secret: ${GOOGLE_CLIENT_SECRET}
    allowed_domains:
      - "umich.edu"
    auto_register: true

瞭解更多關於 SSO 與 OAuth →

Parquet 匯出

把標註匯出為 Apache Parquet 格式，生成三個結構化檔案：annotations.parquet、spans.parquet 和 items.parquet。支援 snappy、gzip、zstd、lz4 和 brotli 壓縮、增量匯出，以及按日期/標註者分割槽。可配合 pandas、DuckDB、PyArrow、Polars 和 Hugging Face Datasets 使用。

yaml

parquet_export:
  enabled: true
  output_dir: "output/parquet/"
  compression: zstd
  auto_export: true

瞭解更多關於 Parquet 匯出 →

15 個新的演示項目

project-hub/ 中新增的演示涵蓋智慧體標註（5 個）、單人模式（3 個）、最優-最差量表（3 個）、認證（2 個）和匯出工作流（2 個）。用 potato start config.yaml 啟動任意演示。

安全加固

加密安全的會話令牌，過期時間可配置
預設啟用 CSRF 防護
認證端點限流
對使用者提供內容做輸入清理
依賴審計，所有包已更新
內容安全策略（CSP）響應頭

其他改進

為不受支援的智慧體框架編寫自定義軌跡轉換器
帶多標註者抽樣驗證的混合單人模式
BWS 管理員儀表板標籤頁，含分數收斂圖表
支援按日期分割槽的增量 Parquet 匯出

v2.2 與 v2.3 對比

功能	v2.2	v2.3
智慧體標註	不可用	12 個轉換器、3 種顯示類型、9 個 schema
單人模式	不可用	12 階段人類-LLM 工作流
最優-最差量表	不可用	BWS，含 3 種計分方法
認證	僅使用者名稱	增加 Google OAuth、GitHub OAuth、OIDC
Parquet 匯出	不可用	3 檔案 Parquet，6 種壓縮選項
演示項目	125+	140+（15 個新增）
安全	基礎	CSRF、限流、CSP、安全會話

Potato 2.2.0

釋出於 2026 年 2 月 20 日

Potato 2.2 是一個重要的功能版本，包含 9 種新的標註方案、可插拔的匯出系統、MACE 能力評估、55 個經過驗證的調查問卷以及遠端資料來源。

新增標註方案（9 種）

事件標註 — N 元事件結構，包含觸發詞片段和類型化參數角色。標註 ATTACK、HIRE 和 TRAVEL 等事件，支援受約束的實體參數和輻射狀弧形視覺化。

yaml

annotation_schemes:
  - annotation_type: event_annotation
    name: events
    span_schema: entities
    event_types:
      - type: "ATTACK"
        trigger_labels: ["EVENT_TRIGGER"]
        arguments:
          - role: "attacker"
            entity_types: ["PERSON", "ORGANIZATION"]
            required: true

瞭解更多關於事件標註 →

實體連結 — 將片段標註連結到外部知識庫（Wikidata、UMLS、自定義 REST API）。在任何片段方案中新增 entity_linking: 塊即可啟用知識庫搜尋和連結。

瞭解更多關於實體連結 →

分診 — Prodigy 風格的接受/拒絕/跳過介面，用於快速資料篩選。可自定義標籤、鍵盤快捷鍵和自動推進，實現高吞吐量標註。

瞭解更多關於分診 →

成對比較 — 以二元（點選偏好選項）或量表（滑塊）模式比較兩個項目。支援 items_key、allow_tie、scale: 塊及可配置範圍。

瞭解更多關於成對比較 →

對話樹 — 標註層次化對話結構，支援逐節點評分、路徑選擇和分支比較。

瞭解更多關於對話樹 →

共指鏈 — 將共指文本提及分組為鏈，帶有視覺化指示器。支援實體類型、單例控制和多種高亮模式。

瞭解更多關於共指鏈 →

分割掩碼 — 新增 fill、eraser 和 brush 工具，用於畫素級影像分割。

PDF/文件的邊界框 — 在 PDF 頁面上繪製框，用於文件標註任務。

不連續片段 — allow_discontinuous: true 允許選擇不連續的文本段落作為單個片段。

智慧標註

MACE 能力評估 — 變分貝葉斯 EM 演算法，聯合估計真實標籤和標註者能力得分（0.0-1.0）。適用於 radio、likert、select 和 multiselect 方案。

yaml

mace:
  enabled: true
  trigger_every_n: 10
  min_annotations_per_item: 3

瞭解更多關於 MACE →

選項高亮 — 基於 LLM 的可能正確選項高亮，用於離散標註任務。用星標指示器高亮前 k 個選項，同時降低不太可能選項的透明度。

yaml

ai_support:
  option_highlighting:
    enabled: true
    top_k: 3
    dim_opacity: 0.4

瞭解更多關於選項高亮 →

多樣性排序 — 基於嵌入的聚類和輪詢取樣，確保標註者看到多樣化的內容，而不是連續看到相似的項目。

yaml

assignment_strategy: diversity_clustering
diversity_ordering:
  enabled: true
  prefill_count: 100

瞭解更多關於多樣性排序 →

匯出系統

新的可插拔匯出 CLI（python -m potato.export）可將標註轉換為 6 種行業標準格式：COCO、YOLO、Pascal VOC、CoNLL-2003、CoNLL-U 和分割掩碼。

bash

python -m potato.export --config config.yaml --format coco --output ./export/

瞭解更多關於匯出格式 →

遠端資料來源

通過新的 data_sources: 配置塊，從 URL、S3、Google Drive、Dropbox、Hugging Face、Google Sheets 和 SQL 資料庫載入標註資料。包括部分載入、快取和憑證管理。

瞭解更多關於遠端資料來源 →

調查問卷

55 個經過驗證的問卷，涵蓋 8 個類別（人格、心理健康、情感、自我概念、社會態度、回應風格、簡短表單、人口統計）。在預研究/後研究階段使用 instrument: "tipi"。

瞭解更多關於調查問卷 →

其他改進

帶有關鍵幀插值的影片物件跟蹤
外部 AI 配置檔案支援
表單佈局網格改進
PDF、Word、程式碼和電子表格的格式處理器

Potato 2.1.0

釋出於 2026 年 2 月 5 日

Potato 2.1 引入了實例顯示系統、視覺 AI 支援、片段連結、多欄位片段標註和佈局自定義。

實例顯示系統

新的 instance_display 配置塊將內容顯示與標註分離。在任何標註方案旁邊顯示影像、影片、音訊、文本和對話的任意組合。

yaml

instance_display:
  fields:
    - key: image_url
      type: image
      display_options:
        max_width: 600
        zoomable: true
    - key: description
      type: text
 
annotation_schemes:
  - annotation_type: radio
    name: category
    labels: [nature, urban, people]

支援 11 種顯示類型，包括 text、html、image、video、audio、dialogue、pairwise、code、spreadsheet、document 和 pdf。

瞭解更多關於實例顯示 →

多欄位片段標註

片段標註方案現在支援 target_field 選項，可在同一實例中跨多個文本欄位進行標註。

yaml

annotation_schemes:
  - annotation_type: span
    name: source_entities
    labels: [PERSON, ORGANIZATION]
 
  - annotation_type: span
    name: summary_entities
    labels: [PERSON, ORGANIZATION]

瞭解更多關於片段標註 →

片段連結

新的 span_link 標註類型，用於在已標註的片段之間建立類型化關係。支援有向和無向連結、N 元關係、視覺化弧形顯示和標籤約束。

yaml

annotation_schemes:
  - annotation_type: span
    name: entities
    labels:
      - name: "PERSON"
        color: "#3b82f6"
      - name: "ORGANIZATION"
        color: "#22c55e"
 
  - annotation_type: span_link
    name: relations
    span_schema: entities
    link_types:
      - name: "WORKS_FOR"
        directed: true
        allowed_source_labels: ["PERSON"]
        allowed_target_labels: ["ORGANIZATION"]
        color: "#dc2626"

瞭解更多關於片段連結 →

視覺 AI 支援

四個新的視覺端點，用於 AI 輔助的影像和影片標註：

YOLO — 快速本地目標檢測
Ollama Vision — 本地視覺語言模型（LLaVA、Qwen-VL）
OpenAI Vision — GPT-4o 雲端視覺
Anthropic Vision — 帶視覺功能的 Claude

功能包括目標檢測、預標註、分類、提示、場景檢測、關鍵幀檢測和物件跟蹤。

瞭解更多關於視覺 AI 支援 →

佈局自定義

使用 HTML 模板和 CSS 建立複雜的自定義視覺佈局。Potato 生成可編輯的佈局檔案，或者您可以提供完全自定義的模板，包括網格佈局、顏色編碼選項和部分樣式。

yaml

task_layout: layouts/custom_task_layout.html

包含三個示例佈局：內容稽核、對話問答和醫學審查。

瞭解更多關於佈局自定義 →

標籤理據

第四項 AI 功能，生成關於每個標籤為何可能適用的平衡解釋，幫助標註者理解不同的分類視角。

yaml

ai_support:
  features:
    rationales:
      enabled: true

瞭解更多關於 AI 支援 →

其他改進

50 多個新測試以提高可靠性
響應式設計改進
增強的項目中心組織，包含佈局示例
多種標註類型的錯誤修復

v2.0 與 v2.1 對比

功能	v2.0	v2.1
實例顯示	通過標註方案變通實現	專用 `instance_display` 塊
片段目標	單個文本欄位	通過 `target_field` 支援多欄位
片段連結	不可用	完整的 `span_link` 類型
視覺 AI	不可用	YOLO、Ollama Vision、OpenAI Vision、Anthropic Vision
佈局自定義	基本自動生成	自動生成 + 自定義模板
AI 功能	3 種（提示、關鍵詞、建議）	4 種（+ 理據）

Potato 2.0

Potato 2.0 是一個重要版本，引入了強大的智慧、可擴充套件標註新功能。本節重點介紹主要新增功能和改進。

AI 支援

整合大語言模型，通過智慧提示、關鍵詞高亮和標籤建議來輔助標註者。

支援的提供商：

OpenAI (GPT-4, GPT-3.5)
Anthropic (Claude 3, Claude 3.5)
Google (Gemini)
Ollama（本地模型）
vLLM（自託管）

yaml

ai_support:
  enabled: true
  endpoint_type: openai
  ai_config:
    model: gpt-4
    api_key: ${OPENAI_API_KEY}
  features:
    hints:
      enabled: true
    label_suggestions:
      enabled: true

瞭解更多關於 AI 支援 →

音訊標註

功能齊全的音訊標註，基於 Peaks.js 提供波形視覺化。建立片段、標記時間區域，並使用鍵盤快捷鍵標註語音。

主要功能：

波形視覺化
片段建立和標記
逐片段標註問題
15 個以上鍵盤快捷鍵
服務端波形快取

yaml

annotation_schemes:
  - annotation_type: audio_annotation
    name: speakers
    mode: label
    labels:
      - Speaker A
      - Speaker B

瞭解更多關於音訊標註 →

主動學習

根據模型不確定性自動優先排序標註實例。在現有標註上訓練分類器，並將標註者集中在最有資訊量的樣本上。

功能：

多種分類器選項（LogisticRegression、RandomForest、SVC、MultinomialNB）
多種向量化方法（TF-IDF、Count、Hashing）
跨重啟的模型持久化
LLM 增強選擇
多方案支援

yaml

active_learning:
  enabled: true
  schema_names:
    - sentiment
  min_instances_for_training: 30
  update_frequency: 50
  classifier:
    type: LogisticRegression

瞭解更多關於主動學習 →

訓練階段

在主任務之前通過練習題對標註者進行資格認證。提供即時反饋，並通過可配置的通過標準確保品質。

功能：

帶已知答案的練習題
即時反饋和解釋
可配置的通過標準
重試選項
管理儀表板中的進度跟蹤

yaml

phases:
  training:
    enabled: true
    data_file: "data/training.json"
    passing_criteria:
      min_correct: 8
      total_questions: 10

瞭解更多關於訓練階段 →

增強的管理儀表板

用於標註任務的綜合監控和管理介面。

儀表板標籤頁：

概覽：高層指標和完成率
標註者：效能跟蹤、時間分析
實例：瀏覽資料及分歧評分
配置：即時設定調整

yaml

admin_api_key: ${ADMIN_API_KEY}

瞭解更多關於管理儀表板 →

資料庫後端

MySQL 支援大規模部署，提供連線池和事務支援。

yaml

database:
  type: mysql
  host: localhost
  database: potato_db
  user: ${DB_USER}
  password: ${DB_PASSWORD}

Potato 在首次啟動時自動建立所需的表。

標註歷史

完整跟蹤所有標註更改，包括時間戳、使用者 ID 和操作類型。支援審計和行為分析。

json

{
  "history": [
    {
      "timestamp": "2024-01-15T10:30:00Z",
      "user": "annotator_1",
      "action": "create",
      "schema": "sentiment",
      "value": "Positive"
    }
  ]
}

多階段工作流

構建包含多個連續階段的複雜標註工作流：

知情同意 - 知情同意收集
預研究 - 人口統計和篩選
說明 - 任務指南
訓練 - 練習題
標註 - 主任務
後研究 - 反饋調查

yaml

phases:
  consent:
    enabled: true
    data_file: "data/consent.json"
  prestudy:
    enabled: true
    data_file: "data/demographics.json"
  training:
    enabled: true
    data_file: "data/training.json"
  poststudy:
    enabled: true
    data_file: "data/feedback.json"

瞭解更多關於多階段工作流 →

v2.0 配置變更

新的配置結構

Potato 2.0 使用更簡潔的配置格式：

v1（舊版）：

yaml

data_files:
  - data.json
id_key: id
text_key: text
output_file: annotations.json

v2（新版）：

yaml

data_files:
  - "data/data.json"
 
item_properties:
  id_key: id
  text_key: text
 
output_annotation_dir: "output/"
output_annotation_format: "json"

安全要求

配置檔案現在必須位於 task_dir 內：

yaml

# Valid - config.yaml is in the project directory
task_dir: "."
 
# Valid - config in configs/ subdirectory
task_dir: "my_project/"

快速對比

功能	v1	v2.0	v2.1	v2.2	v2.3
AI/LLM 支援	否	是	是 + 視覺 AI + 理據	+ 選項高亮	+ 單人模式
智慧體標註	否	否	否	否	12 個轉換器、3 種顯示類型
最優-最差量表	否	否	否	否	是（3 種計分方法）
音訊標註	基礎	完整波形	完整波形	完整波形	完整波形
主動學習	否	是	是	是 + 多樣性排序	+ 單人模式整合
實例顯示	否	否	是	是	是
片段連結	否	否	是	是	是
事件標註	否	否	否	是	是
實體連結	否	否	否	是	是
成對比較/分診/共指/對話樹	否	否	否	是	是
佈局自定義	否	自動生成	自動 + 自定義模板	自動 + 自定義模板	自動 + 自定義模板
訓練階段	否	是	是	是	是
管理儀表板	基礎	增強	增強	增強 + MACE	+ BWS 標籤頁、單人模式
資料庫後端	僅檔案	檔案 + MySQL	檔案 + MySQL	檔案 + MySQL	檔案 + MySQL
匯出 CLI	否	否	否	是（COCO、YOLO、CoNLL 等）	+ Parquet
認證	使用者名稱	使用者名稱	使用者名稱	使用者名稱	+ Google/GitHub OAuth、OIDC
調查問卷	否	否	否	55 個經驗證的問卷	55 個經驗證的問卷
遠端資料來源	否	否	否	S3、GDrive、HuggingFace 等	S3、GDrive、HuggingFace 等

遷移指南

更新配置（v1 到 v2）

資料配置

yaml

# Old
id_key: id
text_key: text
 
# New
item_properties:
  id_key: id
  text_key: text

輸出配置

yaml

# Old
output_file: annotations.json
 
# New
output_annotation_dir: "output/"
output_annotation_format: "json"

配置檔案位置 確保配置檔案位於項目目錄內。

啟動伺服器

bash

# v2 command
python -m potato start config.yaml -p 8000
 
# Or shorthand
potato start config.yaml

開始使用

準備好試用 Potato 了嗎？從快速入門指南開始，或探索特定功能：

v2.3 功能：

智慧體標註 - 使用 12 種轉換器和 3 種顯示類型評估 AI 智慧體
單人模式 - 人機協同標註
最優-最差量表 - 帶評分的比較式標註
SSO 與 OAuth - Google、GitHub 和 OIDC 身份驗證
Parquet 匯出 - 列式資料匯出

v2.2 功能：

事件標註 - N 元事件結構
實體連結 - 知識庫連結
分診 - 快速資料篩選
共指鏈 - 實體共指
對話樹 - 層次化對話標註
MACE - 標註者能力評估
選項高亮 - AI 輔助選項引導
多樣性排序 - 基於嵌入的項目排序
匯出格式 - 支援 6 種格式的匯出 CLI
遠端資料來源 - 雲端資料載入
調查問卷 - 55 個經驗證的問卷

v2.1 功能：

實例顯示 - 多模態內容顯示
視覺 AI 支援 - 影像和影片標註的 AI
片段連結 - 實體關係標註

核心功能：

AI 支援 - 智慧標註輔助
主動學習 - 智慧實例優先排序
音訊標註 - 基於波形的標註
訓練階段 - 標註者資格認證
管理儀表板 - 監控和管理