CubeStudio 是一款国产化、云原生的一站式开源人工智能平台，同时覆盖传统机器学习、深度学习与大模型全链路（MLOps / MaaS / 算力调度 / 训推平台），开源协议 MIT，开源免费商用，开源版本已有数千家企业私有化部署。平台提供多租户与算力纳管调度、算力租赁与 Token 中转站、拖拉拽 Pipeline 任务流编排、多机多卡分布式训练、超参搜索、推理服务、vGPU 虚拟化、云边端协同与边缘计算、图文音多模态自动化标注、大模型 SFT 微调 / 奖励模型 / 强化学习训练、vLLM / Ollama / MindIE 大模型多机推理、私有知识库 / LLMOps / 智能体、AI 模型市场，以及从数据到上线的全流程模型部署。原生适配昇腾、寒武纪、海光、摩尔线程、沐曦等国产异构算力与 x86 / ARM CPU 架构，支持 IB / RoCE / RDMA 高速网络及信创私有化、内网离线部署。
官网：www.cubestudio.vip ｜ GitHub：github.com/data-infra/… ｜ Gitee：gitee.com/data-infra/…
关键词：CubeStudio、cube-studio、自动标注、自动化标注、Label Studio、labelstudio、ML Backend、机器学习后端、LLM标注、大模型标注、预标注、predict、文本分类、摘要、翻译、NER、命名实体识别、问答、faq、答案排序、rank、意图识别、intent、对话、图片描述、caption、目标检测、detection、多模态标注、proxy/labelstudio、CHATGPT_CHAT_URL
数据标注是模型训练里最脏最累的活。Label Studio 提供了「Machine Learning Backend」机制——让一个模型服务先给数据做自动预标注，标注人员只需在结果上做校正，效率能翻好几倍。但要用它，你得自己写一个符合 Label Studio 协议的 ML 后端并部署起来，门槛不低。
CubeStudio 把这一步内置了：平台自带一套由大模型驱动的自动标注 ML 后端，直接对接 Label Studio，无需你额外部署任何模型服务。填一个 URL，就能让大模型给文本分类、NER、翻译、图片描述等任务做预标注。本文讲清它的类型、接口和接入方式。
一、它是什么：一个内置的 LLM ML Backend
后端实现在 myapp/views/view_labelstudio.py，路由前缀 route_base = /proxy/labelstudio。它底层调用平台配置的大模型（由 CHATGPT_CHAT_URL / CHATGPT_ARGS 指定的 OpenAI 兼容模型），把 Label Studio 传来的待标注数据组织成提示词，再把大模型的输出转成 Label Studio 标准的 result 结构返回。
关键在于零部署：你不需要训练分类器、不需要起模型服务，平台大模型就是标注引擎。视觉类标注则调用多模态大模型。
二、支持哪些标注类型
自动标注按 URL 中的 <field>/<model_type> 两级分派。<field> 是模态域，<model_type> 是具体标注任务：
文本标注（field=nlp）
| model_type | 用途 |
|---|---|
classification | 文本分类 |
summary | 文本摘要 |
translaton | 翻译（注意代码中即拼作 translaton） |
ner | 命名实体识别 |
faq | 问答 |
rank | 答案排序 |
intent | 意图识别 |
chat | 对话 |
视觉标注（field=cv，走多模态大模型）
| model_type | 用途 |
|---|---|
caption | 图片描述（为图片生成一句话描述） |
detection | 目标检测 |
拼接示例：文本分类的后端地址是
/proxy/labelstudio/nlp/classification，图片描述是/proxy/labelstudio/cv/caption。
三、固定接口（Label Studio ML Backend 协议）
后端实现了 Label Studio 要求的一组固定接口，路径形如 /proxy/labelstudio/<field>/<model_type>/<动作>：
| 接口 | 方法 | 作用 |
|---|---|---|
.../health | GET/POST | 健康检查 |
.../setup | GET/POST | 初始化握手，接收 access_token / hostname / project |
.../predict | GET/POST | 预测（自动标注核心），返回标准 result 结构 |
.../train | GET/POST | 训练（占位） |
.../webhook | GET/POST | 事件回调（占位） |
.../delete | GET/POST | 删除（占位） |
真正干活的是 predict：Label Studio 在标注时调用它拿到预标注结果。
四、四步接入
- 确认平台大模型可用：配置项
CHATGPT_CHAT_URL（OpenAI 兼容地址）与CHATGPT_ARGS（模型/参数）已正确设置。 - 在 Label Studio 里加后端：进入标注项目「Settings → Machine Learning → Add Model」，把 Backend URL 填为平台内置后端地址
<平台域名>/proxy/labelstudio/<field>/<model_type>，例如文本分类填.../proxy/labelstudio/nlp/classification。 - 握手：保存后 Label Studio 会自动调用
setup完成握手。 - 标注：标注时后端调用
predict返回预标注结果，标注人员在其基础上做人工校正。
不同
model_type对标注模板（Labeling Config）的控件有相应要求：分类需要Choices、NER 需要Labels等。配好模板后，大模型的输出才能正确映射回 Label Studio 的标注控件。
五、放进整条数据链路里看
自动标注不是孤立功能，它嵌在 CubeStudio 的数据闭环里：
- 前接数据导入：标注平台支持多种数据导入格式，导入后即可挂内置后端做预标注；
- 后接模型训练：校正后的标注数据直接作为数据集喂给训练模板（如大模型 SFT），标注→训练在同平台内衔接；
- 模型可替换：
CHATGPT_CHAT_URL指向哪个 OpenAI 兼容服务，标注就用哪个模型——完全可以指向自己在平台上用 vLLM / MindIE 部署的私有大模型，标注全程不出内网； - 多租户与计费：标注项目、算力消耗按项目组隔离核算。
一句话：Label Studio 负责标注交互，CubeStudio 的内置 LLM 后端负责「让大模型先标一遍」，人只做校正——这是把大模型能力直接变成标注生产力的最短路径。
了解更多
CubeStudio 采用 MIT 开源协议，开源免费商用并支持源码交付与二次分发，开源版本已有数千家企业私有化部署。
- 官网与在线文档：www.cubestudio.vip
- 开源仓库（GitHub）：github.com/data-infra/…
- 开源仓库（Gitee）：gitee.com/data-infra/…
