在边缘视觉项目中，算法开发的委托方和承接方之间最容易产生分歧的环节，往往就是第一阶段的交付定义。当甲方手里只有一批样本视频，还没有明确的算法指标时，简单写一句“完成识别功能”显然是不够的。这个阶段的核心任务，不是追求最终精度，而是把“视频能做什么”转化为“算法可验证的边界”。
建议第一阶段以“可行性验证”为交付目标，具体落在三份成果上。第一，是标注规范的确认文档。样本视频中的目标物体长什么样、遮挡到什么程度算有效、光线变化如何排除，这些都需要在第一批标注结果中形成共识。第二，是一个可运行的基线模型。不需要追求百分之九十以上的准确率，但必须能完整跑通“输入视频—抽帧检测—输出结果”的链路，让甲方直观看到算法对样本视频的实际反应。第三，是评测集的初步划分。从原始视频中抽取有代表性的片段，分为调试集和验证集，并明确后续每个版本都要在同样的验证集上汇报指标。
之所以这样定，是因为边缘视觉项目往往受限于现场环境，样本视频里可能包含大量无效帧或极端角度。第一阶段如果不把数据质量问题和评估标准摸清楚，后续投入只会越滚越乱。承接方应该在这一阶段主动输出一份简短的“数据观察报告”，指出哪些场景容易误检、哪些标注争议较大，并据此调整训练策略。而甲方则需要接受一个合理预期：第一阶段的模型效果大概率不完美，但它的价值在于暴露问题，而不是解决问题。
清晰定义第一阶段交付，本质上是为整个项目定好方向盘。双方都认可“先跑通、再优化”的节奏，后续的迭代才真正有的放矢。