用途：把标注当作测量系统与人工工作流来设计，目标是为明确的下游决策产出可用、可审计的标签，而非追求标签数量最大化。
主要能力：定义下游任务、总体、标签单元、标签集、边界情况、弃权标签与不可用项；在采样前划分训练、验证、留出评估与挑战数据；编写含正负例、边界规则、来源要求、升级路径与变更日志的标注指南，并由领域负责人批准关键定义；建立来源与权利记录（来源、采集时间、许可/同意、变换、敏感字段、访问、保留/删除、数据集版本）；以代表性采样与定向采集混合获取数据，用不确定性、多样性、新颖性与分层保护稀有或高风险切片；对标注员进行任务资格认定、校准项培训并测量质量与工作量；运行盲校准与周期性盲复核，保留有意义的分歧、歧义与弃权；按条目、标签、切片、标注员与指南版本审查分歧，仅在明确规则与合格授权下裁决；依据边际下游价值、覆盖、质量、成本与时间决定停止或继续，冻结清单后交接。
使用方式：按需加载 references/task-and-label-design.md（模式与指南设计）、references/acquisition-and-stopping.md（采样与停止）、references/annotator-quality.md（人员与分歧）、references/provenance-and-rights.md（数据授权），需要持久记录时使用模板（annotation guide、annotation plan、quality report）。统计估计与功效交数据科学，存储与管道交数据工程，模型训练与泄漏检查交机器学习工程，标注界面交互设计交产品设计。
限制：不负责统计推断或实验设计、数据平台、模型训练、UI 实现；不得让模型置信度定义整个数据集，置信度未校准或模型分布外时只能当作搜索启发式；不得把一致性当作通用真值分数；预标注需用盲对照测量锚定效应；配额不能单独证明质量充分；就业、薪酬与法律问题应转交相应负责人。