迁移到标注引擎

用 potato label migrate-config 把 icl_labeling、judge_calibration、pre_annotation 和 Solo Mode 的配置迁移到标注引擎，并了解迁移之后有哪些变化。

Potato 较早的机器标注功能在 2.11 中照常可用，在你加入 labeling_engine 块之前，行为不会有任何改变。有三个键现在会在启动时打印一条说明，指出它们在标注引擎中的对应写法，这三个键计划在 3.0 中移除。这些说明输出到 stderr，以 NOTE: 开头，不属于警告，所以 potato validate --strict 不会因此失败。

下表列出这三个键以及各自对应的写法：

旧键	引擎中的对应写法
`icl_labeling`	一个 `llm` 来源，带一份对应旧规则的 `threshold_legacy` 契约，旁边再加一份 `selective_risk` 契约
`judge_calibration`	使用 `k_sample` 置信度的 `judge` 来源，原来的盲态样本变为校准请求
`pre_annotation`	一个 `static` 来源

Solo Mode、评审对齐和交互式 AI 助手（ai_support）都没有被弃用。Solo Mode 是一位专家通过它自己的界面与一个 LLM 协作，评审对齐则是一份报告。开启引擎时，两者都会把它们的模型预测写入引擎的存储，让引擎可以校准并认证这些预测。

potato label migrate-config

potato label migrate-config 把旧键转换成一个 labeling_engine 块：

bash

potato label migrate-config config.yaml --out config-engine.yaml

这条命令只读取 YAML，不加载任何数据，然后添加一个等价的 labeling_engine 块，并把结果写出，开头附有一段说明，解释每一项转换。它写出的块带有 enabled: false，所以在你开启引擎之前，转换后的配置与原配置行为相同。请阅读这些说明，检查来源和契约，然后设置 enabled: true 和 assignment_strategy: engine。如果配置中已经有 labeling_engine 块，或者没有任何可转换的内容，命令会报错退出。

转换对照表

每个旧块按如下方式对应到引擎的来源、契约和人工设置：

旧块	来源	契约	人工
带 `confidence_routing.tiers` 的 `solo_mode`	每一层一个来源，按层的顺序排列	每个单选方案一份 `selective_risk`，`error: 1 - end_human_annotation_agreement`	`pools: [solo]`
带 `labeling_models` 的 `solo_mode`	每个模型一个来源，第一个作为级联	同上	`pools: [solo]`
`solo_mode.jury`	每位评审员一个来源，再加一个 `jury` 来源作为级联	同上
`icl_labeling`	`ai_support` 端点作为一个 `llm` 来源	阈值为原来 `confidence_threshold` 的 `threshold_legacy`，以及 10% 的 `selective_risk`	`calibration_rate` = 原来核验的 `sample_rate`
`judge_alignment`	评审端点作为一个 `judge` 来源（只有一个方案时带上评分细则）	`no_worse_than_human`，`epsilon: 0.15`，每个被评审的方案一份	`overlap: 0.3`
`judge_calibration`	每个模型作为一个使用 `k_sample` 置信度的 `judge` 来源		`sampling.sample_size` → `budgets.human_labels`
带 `field` 或 `predictions_file` 的 `pre_annotation`	一个 `static` 来源，位于级联第一位
`active_learning.llm`	一个 `llm` 来源
`ai_budget.cap_usd`			`budgets.model_usd`

迁移后的行为变化

引擎对待人工标签的方式与旧功能不同，转换后配置里的说明会指出不同之处。预计会有四点变化：

固定阈值变为经过检验的阈值。 Solo Mode 的路由阈值和 icl_labeling 的置信度阈值，会接受高于某个固定数值的机器标签。selective_risk 在 dev 标签上选定阈值，只接受在留出标签上通过检验的部分，所以一开始被接受的标签会变少，但被接受的那些带有明确的错误率上界。
核验样本变为均匀抽样。 icl_labeling 优先核验置信度最低的预测，这样能很快找到错误，但给出的准确率估计是有偏的。引擎的校准请求是随机样本，并记录入样概率。
内联评审变为盲态。 judge_alignment.inline 在人们标注时显示评审的判定，所以一致性是在受锚定影响的标签上测得的。引擎的校准请求从不显示机器答案。
预标注要先经过检验才会被信任。 static 来源的标签只在有契约认证的地方被接受，在其他地方，人们会在核验请求中看到它们。

延伸阅读

实现细节见源文档。