语料库与数据管线
采集（Ingest）
采集是把一个来源首次纳入系统 - 获取它、解析它，并把它加入语料库。
本术语表内容由机器翻译生成，可能存在不准确之处。
采集 是把一个新来源首次带入系统的管线步骤：获取原始数据、提取有用的部分，并存储一条结构化记录。
它与后续的刷新不同。采集创建记录及其初始关系；此后的运行只会更新它。
在 GraphCanon 中
当有人提交一个 GitHub 仓库时，采集会获取它的元数据、用 LLM 生成中立的摘要和标签，并向已有工具提出带类型的边 - 全部在一次流程中完成。
另请参阅
相关术语
最后审阅 2026-07-09