多语种文档数据需求

数据需求
1

一、整体采集概况

本次数据采集覆盖12 个语种，包含3 类数据类型（文件、短信、笔记），核心目标是构建多语种、多场景的结构化数据集，去除录音类数据后优化分类体系。

1.1 覆盖语种

中文繁体、英文、德语、法语、葡萄牙语、西班牙语、意大利语、印地语、印尼语、俄语、日语、韩语，共 12 个语种。

1.2 总体数量要求

  • 每个语种的 3 类数据（文件、短信、笔记）各采集 7000 条
  • 总采集量为252000 条（12 语种 ×3 类 ×7000 条）
  • 所有二级分类的数据比例需严格均衡，每个二级分类数据量偏差不超过 ±5%

二、各类数据采集详细要求

2.1 文件类数据

基础要求

  • 支持格式：PDF、Word、Excel、PPT、TXT（PDF/Word/Excel/PPT 需 50% 以上带图片，图片需与内容强相关）
  • 交付数量：每个语种 7000 条，各文件类型≥400 个，一级分类平均分配（每类约 1400 条）
  • 交付格式：一级文件夹（文件类型）→ 二级文件夹（一级分类）→ 三级文件夹（二级分类）
  • 采集方式：网络爬取需标注来源（非侵权资源），现场制作需符合真实场景逻辑

详细分类体系

文件类型 一级分类 二级分类 三级分类 内容规范
PDF 工作办公类 合同协议类 商务合同 包含甲乙双方信息、服务内容、金额、期限、违约责任，如软件采购合同、咨询服务合同
合作协议 包含合作方式、分工、收益分配、合作期限，如项目合作协议、渠道合作协议
保密协议 包含保密范围、保密期限、违约责任，如员工保密协议、项目保密协议
报告方案类 项目计划书 包含项目背景、目标、进度规划、资源需求、风险评估，如新产品开发计划书
工作总结 包含工作内容、成果、问题、改进计划，如月度工作总结、项目结题总结
调研报告 包含调研目的、方法、数据、结论、建议，如市场调研报告、用户需求调研报告
会议沟通类 会议纪要 包含会议时间、参会人、议题、决议、待办事项，如部门周会纪要、项目评审会纪要
工作通知 包含通知对象、事项、要求、截止时间，如加班通知、培训通知、制度更新通知
行政人事类 规章制度 包含适用范围、条款内容、执行标准，如考勤制度、报销制度、绩效考核制度
员工手册 包含企业文化、入职指引、岗位职责、福利待遇，如新员工入职手册
生活管理类 证件扫描类 个人证件 身份证正反面、护照、驾驶证、社保卡、居住证（非真实信息）
家庭证件 户口本、结婚证、房产证、购房合同、车辆登记证（非真实信息）
账单凭证类 生活缴费 水费单、电费单、燃气费单、物业费单、网费单（含缴费金额、周期、户号）
消费凭证 购物发票、餐饮发票、打车发票、外卖订单、网购订单（含商品信息、金额、时间）
生活指南类 家电手册 冰箱、洗衣机、空调、电视、热水器使用说明书（含品牌、型号、操作步骤）
健康资料 体检报告（含基础指标、建议）、疫苗接种记录、药品说明书（非真实个人信息）
学习教育类 教材教辅类 电子课本 中小学语文 / 数学 / 英语课本、大学专业基础课课本（对应语种版本）
辅导资料 同步练习册、知识点总结、错题本、考研 / 考公复习资料（对应语种）
考试证书类 考试资料 雅思 / 托福真题、四六级真题、公务员考试真题、职业资格考试真题（对应语种）
证书扫描 毕业证、学位证、职业资格证、语言等级证书（非真实信息、对应语种）
Word 工作办公类 报告文稿类 项目方案稿 包含方案框架、核心内容、实施步骤、预算，如活动策划方案初稿
工作总结稿 包含工作内容、完成情况、存在问题、改进计划，如季度工作总结初稿
合同草案类 商务合同稿 包含初步条款、待确认事项，如采购合同草案、服务合同草案
协议草案类 包含合作意向、初步分工，如合作协议草案、保密协议草案
行政文稿类 通知初稿 包含通知事项、初步要求，如会议通知初稿、培训通知初稿
申请表格 请假申请单、报销申请单、出差申请单、采购申请单（含填写示例）
生活管理类 个人文稿类 日记随笔 包含日常记录、心情感悟、生活小事（非真实个人信息、对应语种）
旅行游记 包含旅行目的地、行程、见闻、感受（对应语种、非真实行程）
家庭规划类 家庭计划 年度预算计划、装修规划、旅行计划、育儿计划（对应语种、非真实信息）
事务记录 家庭聚餐记录、亲友生日记录、节日安排记录（对应语种）
Excel 工作办公类 数据统计类 销售报表 包含日期、产品名称、销量、销售额、客户信息（模拟数据、对应语种）
财务核算类 费用统计表、工资表、预算表、报销明细表（模拟数据、含公式）
项目管理类 进度跟踪 项目任务分解、责任人、进度节点、完成情况（模拟项目、对应语种）
资源管理 人员排班表、设备使用表、物料领用表、会议预约表（模拟数据）
生活管理类 家庭收支类 收支明细表 包含日期、收入 / 支出项目、金额、余额（模拟数据、对应语种）
预算规划类 月度预算表、年度预算表、旅行预算表（模拟数据、对应语种）
生活记录类 购物清单 包含商品名称、数量、预算、购买地点（模拟数据、对应语种）
健康记录 体重记录、血压记录、运动记录、饮食记录（模拟数据、非真实信息）
PPT 工作办公类 汇报演示类 项目汇报 包含项目背景、进展、成果、问题、计划（图文结合、对应语种）
产品介绍 包含产品功能、优势、参数、使用场景（图文结合、对应语种）
会议演示类 会议议程 包含会议主题、参会人、议题、时间安排（图文结合、对应语种）
培训课件 包含培训主题、知识点、案例、练习（图文结合、对应语种）
学习教育类 课程课件类 课堂课件 中小学语文 / 数学 / 英语课件、大学专业课课件（图文结合、对应语种）
培训课件 语言培训课件、技能培训课件、职业素养培训课件（图文结合、对应语种）
学术汇报类 论文答辩 包含论文框架、研究方法、结果、结论（图文结合、对应语种）
课题汇报 包含课题背景、研究进展、下一步计划（图文结合、对应语种）
TXT 通用类 纯文本类 工作记录 会议速记、工作待办、电话记录、灵感想法（纯文字、对应语种）
学习记录 课堂笔记、读书摘要、单词积累、语法笔记（纯文字、对应语种）
生活记录 购物清单、待办事项、心情记录、日常随笔（纯文字、对应语种）

2.2 短信类数据

基础要求

  • 交付格式：TXT 文件（格式：【发送方】时间 + 内容，一条短信一行，发送方可为号码 / 企业名）
  • 交付数量：每个语种 7000 条，一级分类平均分配（每类约 1750 条）
  • 采集方式：现场创作需套用真实场景模板，号码用虚拟号段（如 106 开头企业号、138xxxx0000 个人号）

详细分类体系

一级分类 二级分类 三级分类 内容规范（对应语种） 示例（中文参考）
通知类 验证码通知 注册验证 包含平台名称、验证码、有效期（1-10 分钟），无多余内容 【XXAPP】您的注册验证码为 123456，5 分钟内有效，请勿泄露给他人
登录验证 包含平台名称、登录设备、验证码、有效期，提示非本人操作需处理 【XX 账户】您正在登录新设备，验证码为 654321，10 分钟内有效，非本人操作请忽略
支付验证 包含支付金额、账户、验证码、有效期，提示确认支付 【XX 支付】您正在支付 198.00 元，验证码为 876543，5 分钟内有效，确认支付请输入
密码验证 包含操作类型（找回 / 修改）、验证码、有效期，提示安全操作 【XX 平台】您正在找回密码，验证码为 234567，10 分钟内有效，请勿告知他人
服务通知 订单状态 电商订单（下单 / 付款 / 发货 / 收货）、外卖订单（接单 / 配送 / 送达）、票务订单（出票 / 退票） 【XX 电商】您购买的 XX 商品已发货，快递单号：YT1234567890，预计 3 天后送达
账户变动 余额变动（收入 / 支出）、账单提醒（生成 / 到期）、会员权益（到期 / 续费） 【XX 银行】您尾号 1234 账户 3 月 15 日收入工资 5000.00 元，余额 12500.00 元
物流通知 快递揽收、中转、派送、签收，包含快递单号、快递公司、预计时间 【XX 快递】您的快递（YT1234567890）已到达北京转运中心，正在分拣
服务到期 会员到期（视频 / 音乐 / 购物会员）、套餐到期（手机套餐 / 宽带）、保险到期 【XX 视频】您的会员将于 3 月 20 日到期，续费可享 8 折优惠，点击链接办理
营销类 商品推广 电商促销 平台大促（618 / 双 11）、店铺活动（新品 / 清仓）、专属优惠（满减 / 折扣） 【XX 电商】618 大促开启！满 300 减 50，满 500 减 100，点击链接抢优惠 >>
品牌推广 新品上市、节日促销、限时折扣、门店活动，包含品牌、产品、优惠信息 【XX 品牌】新品手机 X10 上市！搭载最新芯片，预售价 3999 元，前 100 名赠耳机
活动邀请 线下活动 门店开业、品牌展会、会员沙龙、体验活动，包含时间、地点、参与方式 【XX 门店】3 月 20 日开业庆典！到店消费满 200 减 50，还有抽奖活动，地址：XX 路 XX 号
线上活动 直播带货、线上讲座、互动抽奖、打卡活动，包含时间、参与链接 【XX 平台】3 月 18 日 20 点直播！明星主播带货，抽 10 名用户免单，点击预约 >>
提醒类 事务提醒 日程提醒 会议、约会、培训、考试、重要日期（生日 / 纪念日），包含时间、地点、事项 【XX 日程】您明天 10 点有项目会议，地点：3 楼会议室，参会人：张三、李四
待办提醒 工作任务、学习计划、生活事务（缴费 / 购物 / 取件），包含事项、截止时间 【XX 待办】您今天需完成月度工作总结，截止时间 24 点，未完成将影响考核
服务提醒 快递取件 快递柜取件、驿站取件，包含取件码、地址、有效期 【XX 驿站】您的快递已到 XX 驿站，取件码：12-34，有效期至 3 月 16 日 20 点
预约提醒 医院挂号、酒店预订、车辆保养、美容护理，包含时间、地点、预约号 【XX 医院】您 3 月 18 日 14 点的内科挂号已确认，预约号：015，请提前 30 分钟到院
缴费提醒 生活缴费（水 / 电 / 气 / 物业）、信用卡还款、贷款还款，包含金额、截止时间 【XX 银行】您尾号 1234 信用卡本期应还 3500.00 元，截止 3 月 25 日，避免逾期
公共事务类 政务通知 社保通知 社保缴费、待遇发放、信息更新、资格认证，包含个人编号、事项、时间 【XX 社保】您 3 月社保已缴费成功，个人缴费 280 元，单位缴费 720 元，累计缴费 36 个月
医疗通知 预约成功、检查结果、疫苗接种、健康提示，包含医院、科室、事项 【XX 医院】您的体检报告已出，可登录 APP 查看，建议复查项目：血常规
政策通知 户籍政策、社保政策、教育政策、税收政策更新，包含政策内容、实施时间 【XX 政务】XX 市户籍新政 3 月 20 日实施！放宽落户条件，详情可登录官网查看
生活费用 缴费提醒 水费、电费、燃气费、物业费、网费，包含户号、金额、截止时间 【XX 水务】您 3 月水费 120.50 元，户号：123456，截止 3 月 30 日，逾期将收滞纳金
欠费通知 生活缴费欠费、信用卡欠费、贷款欠费，包含金额、欠费天数、补缴方式 【XX 电力】您已欠费 85.00 元，欠费 3 天，请尽快补缴，避免停电，缴费方式：XXAPP
沟通类 日常沟通 亲友沟通 包含称呼（爸爸 / 妈妈 / 朋友 / 同事）、事项（问候 / 求助 / 分享）、简单对话 【妈妈】晚上回家吃饭吗？我做了你爱吃的红烧肉，要是回来提前说
工作沟通 同事间任务对接、信息同步、问题咨询，包含姓名、事项、简单内容 【张三】项目方案我已修改，发你邮箱了，明天开会前再确认一下细节
信息告知 地址告知 家庭地址、公司地址、聚会地址，包含省市区、街道、门牌号（非真实信息） 【李四】周末聚会地址：XX 市 XX 区 XX 路 XX 号 XX 餐厅，晚上 6 点，不见不散
时间告知 约会时间、聚会时间、办事时间，包含日期、具体时间、注意事项 【王五】明天一起去看电影，时间：19 点 30 分，地点：XX 影院，我先买票
物品告知 购物清单、待带物品、丢失物品，包含物品名称、数量、要求 【赵六】帮我带瓶可乐，要冰镇的，再带一包薯片，原味的，谢谢啦
骚扰类 广告推销 虚假宣传 夸大产品效果（减肥 / 保健 / 治病）、虚假优惠、中奖诈骗，包含诱惑性内容 【XX 公司】您中了 iPhone15 大奖！点击链接填写信息即可领取，仅限今天
无关推广 与用户无关的产品（房产 / 汽车 / 教育 / 金融）、频繁发送的广告 【XX 房产】XX 小区新开盘！均价 15000 元 / 平，首付 30%，点击了解详情 >>
垃圾信息 无意义内容、重复发送的信息、低俗内容，影响用户正常使用 【未知号码】回复 “1” 领取礼品，回复 “2” 了解优惠，不回复将持续推送

2.3 笔记类数据

基础要求

  • 交付格式：TXT 文件（格式：【标题】内容，一条内容一行，1000 条带图笔记需标注图片位置）
  • 交付数量：每个语种 7000 条（带图笔记 1000 条，纯文本笔记 6000 条）
  • 采集方式：现场创作需符合分类场景，带图笔记需描述图片内容（如 “[图片：购物清单手写照片]”）

详细分类体系

一级分类 二级分类 三级分类 内容规范（对应语种） 示例（中文参考）
备忘待办 账号密码类 运营商账号 包含运营商名称、账号、密码（虚拟信息），标注用途 【中国移动账号】账号：138xxxx0000，密码：Abc123456，用途：手机话费查询
互联网账号 社交平台（微信 / QQ/INS/Facebook）、视频平台（抖音 / YouTube）账号密码（虚拟） 【微信账号】账号：138xxxx0000，密码：Wx123456，备注：工作号，好友较多
游戏账号 手游（王者荣耀 / 和平精英）、端游（LOL/Steam）账号密码（虚拟），包含游戏名称 【王者荣耀账号】账号：138xxxx0000，密码：Game123456，区服：安卓 QQ1 区
工具账号 办公软件（Office/Adobe）、云服务（百度云 / 阿里云）、邮箱账号密码（虚拟） 【百度云账号】账号：123456@qq.com，密码：Cloud123，容量：2TB，用于存资料
基础信息类 个人信息 姓名、生日、身高、体重、血型、紧急联系人（虚拟信息），标注用途 【个人基础信息】姓名：张三，生日：1990.01.01，身高：175cm，体重：65kg，紧急联系人：李四 139xxxx1111
家庭信息 家庭成员（父母 / 配偶 / 子女）姓名、生日、联系方式（虚拟），家庭住址（虚拟） 【家庭信息】爸爸：张建国 137xxxx2222（生日 1965.05.10），妈妈：李兰 136xxxx3333（生日 1968.08.15），家庭住址：XX 市 XX 区 XX 路 XX 号
证件信息 身份证号、护照号、驾驶证号、社保卡号、银行卡号（虚拟），标注证件类型 【证件信息】身份证号：110101199001011234，驾驶证号：110101199001011234，社保卡号：110101199001011234
保险信息 社保、医保、车险、重疾险、意外险（虚拟），包含保险公司、保单号、到期时间 【保险信息】医保：XX 保险公司，保单号：Y123456，到期时间：2027.03.15，报销比例：90%
购物清单类 日常购物 食品（蔬菜 / 水果 / 零食 / 调料）、日用品（洗漱 / 清洁 / 纸类），包含名称、数量 【周末购物清单】蔬菜：西红柿 2 斤、黄瓜 3 根、土豆 5 个；水果：苹果 1 斤、香蕉一串；零食：薯片 2 包、巧克力 1 盒
节日购物 春节（年货）、中秋（月饼 / 礼品）、圣诞（礼物）、生日（礼品），包含名称、用途 【春节年货清单】食品：坚果礼盒 2 盒、糖果 1 斤、腊肉 2 斤；礼品：红酒 2 瓶、茶叶 2 盒（送长辈）
专项购物 家电（冰箱 / 洗衣机 / 空调）、数码（手机 / 电脑 / 平板）、衣物（季节 / 场合），包含品牌、型号 【数码购物清单】手机：XX 品牌 X10（12+256G，黑色）；平板：XX 品牌 P8（8+128G，白色）；预算：8000 元
待办任务类 工作任务 日常工作、项目任务、会议准备、汇报材料，包含事项、截止时间、要求 【3 月 15 日工作任务】1. 完成项目方案修改（12 点前发邮箱）；2. 准备下午 3 点会议资料；3. 跟进客户反馈
学习任务 课程学习、作业完成、考试复习、证书备考，包含内容、时间、目标 【英语学习任务】1. 背 50 个单词（上午 9 点）；2. 做 1 篇阅读（下午 3 点）；3. 练习听力 30 分钟（晚上 8 点）
生活任务 缴费（水 / 电 / 气）、取件、预约（医院 / 维修）、家务（清洁 / 洗衣 / 做饭），包含事项、时间 【3 月 16 日生活任务】1. 缴电费（上午 10 点前，户号 123456）；2. 去驿站取快递（取件码 12-34）；3. 打扫客厅卫生（下午 2 点）
理财记账类 收支记录类 收入记录 工资、奖金、兼职、理财收益，包含来源、金额、时间、到账方式 【3 月收入记录】工资：5000 元（3 月 10 日到账，银行卡尾号 1234）；兼职：800 元（3 月 15 日到账，微信）；理财收益：120 元（3 月 20 日到账，支付宝）
支出记录 日常消费（餐饮 / 交通 / 购物）、固定支出（房租 / 房贷 / 车贷）、人情支出（红包 / 礼物），包含用途、金额、时间 【3 月 15 日支出】早餐：10 元（包子 + 豆浆）；午餐：25 元（外卖）；打车：15 元（公司 - 客户）；购物：198 元（衣服）
月度收支 月度总收入、总支出、分类支出（餐饮 / 交通 / 购物 / 住房）、余额，包含统计周期 【3 月收支统计】总收入：5920 元；总支出：3200 元（餐饮 800、交通 300、购物 1200、住房 900）；余额：2720 元
金融账户类 银行卡信息 银行名称、卡号（尾号）、余额、开户地、用途，包含虚拟信息 【银行卡信息】1. XX 银行（尾号 1234）：余额 12500 元，开户地北京，用途：工资卡；2. XX 银行（尾号 5678）：余额 3800 元，开户地上海，用途：生活费
理财账户类 基金、股票、理财 APP 账户，包含产品名称、金额、收益、持仓时间（虚拟） 【理财账户】XX 基金：10000 元（持仓 1 年，收益 800 元）；XX 股票：5000 元（持仓 3 个月，收益 - 200 元）；XX 理财 APP：8000 元（30 天期，利率 3.5%）
信贷账户类 信用卡、贷款（房贷 / 车贷 / 消费贷），包含卡号（尾号）、额度、欠款、还款日（虚拟） 【信贷信息】信用卡（尾号 1234）：额度 50000 元，欠款 3500 元，还款日 3 月 25 日；房贷：每月还款 3200 元，还款日 10 日，剩余年限 25 年
碎片记录类 个人零散类 姓名记录 同事、朋友、客户姓名及备注（关系 / 联系方式），包含虚拟信息 【客户姓名记录】张三（XX 公司采购，138xxxx0000，负责 A 项目）；李四（XX 公司经理，139xxxx1111，对接 B 项目）
地址记录 公司地址、客户地址、朋友地址、常去地点（餐厅 / 超市 / 医院），包含虚拟信息 【地址记录】公司：XX 市 XX 区 XX 路 XX 号 XX 大厦 15 楼；常去餐厅：XX 路 XX 号 XX 餐厅（人均 80 元，川菜）
时间记录 重要日期（生日 / 纪念日 / 截止日）、会议时间、预约时间，包含日期、事项 【重要时间记录】妈妈生日：5 月 10 日；结婚纪念日：10 月 1 日；项目截止日：4 月 30 日；会议时间：3 月 20 日 14 点
感悟灵感类 生活感悟 日常心情、生活体会、人生感悟、小事思考，包含真实情感、简短内容 【生活感悟】今天帮一位老人过马路，他说了声谢谢，突然觉得小事也能带来温暖，以后要多做力所能及的好事
创意灵感 工作创意、产品想法、写作灵感、创业思路，包含核心想法、简单规划 【产品灵感】可以做一款智能水杯，能检测水温、提醒喝水，还能连接 APP 记录饮水量，适合上班族和老人
学习感悟 读书心得、课程体会、考试总结、技能学习感悟，包含收获、不足 【读书心得】读《XX 书》学到了时间管理方法，以后要按照 “四象限法” 安排任务，提高工作效率，避免拖延
私密记录类 日记记录 日常琐事、心情变化、个人想法，非公开内容，包含虚拟信息 【3 月 15 日日记】今天天气很好，上午去公园散步，看到很多人放风筝，心情很放松。下午在家看书，晚上和朋友吃了火锅，很开心
隐私信息 个人小秘密、不想公开的想法、私人计划，非真实敏感信息 【私人计划】今年想考 XX 证书，从 4 月开始复习，每天学习 2 小时，争取一次性通过，暂时不告诉别人，默默努力
知识记录类 学习相关类 知识点记录 语文（字词 / 语法）、数学（公式 / 例题）、英语（单词 / 语法）、专业知识，包含内容、解释 【英语语法记录】现在完成时：结构 have/has + 过去分词，用法：表示过去发生并持续到现在的动作，例：I have lived here for 5 years
学习计划 短期（日 / 周）、中期（月 / 季度）、长期（年）学习计划，包含内容、时间、目标 【季度学习计划】3-5 月：英语学习（每天 1.5 小时，目标雅思 6.5 分）；专业知识（每周 3 次，每次 2 小时，掌握 3 个核心技能）
课堂笔记 课程重点、老师讲解、同学讨论、疑问记录，包含课程名称、时间 【3 月 15 日数学笔记】课程：高等数学；重点：微积分基本定理；疑问：定积分和不定积分的区别，下次课要问老师
学历凭证类 学历信息、证书信息、成绩记录，包含学校、专业、证书名称、成绩（虚拟） 【学历证书记录】大学：XX 大学，专业：计算机科学，毕业时间 2012 年；英语六级：580 分，证书编号：123456；计算机二级：合格，证书编号：654321
随笔记录类 文摘记录 读书摘抄、文章片段、名言警句、优美句子，包含来源、内容 【文摘记录】来源《XX 书》：“人生就像一场旅行，重要的不是目的地，而是沿途的风景和看风景的心情”
读书笔记 书籍名称、作者、核心观点、个人评价、推荐理由，包含简短内容 【读书笔记】书名《XX 书》，作者 XX；核心观点：成功需要坚持和努力；评价：内容实用，有很多案例，推荐给想创业的人
听课笔记 课程名称、老师、核心内容、重点难点、收获体会，包含简短内容 【听课笔记】课程《市场营销》，老师 XX；重点：4P 理论（产品、价格、渠道、促销）；收获：学会了如何制定营销策略
工作办公类 工作事务类 工作记录 日常工作内容、完成情况、遇到问题、解决方法，包含时间、事项 【3 月 15 日工作记录】工作内容：修改项目方案、对接客户需求；完成情况：方案修改 80%，客户需求已记录；问题：客户需求不明确，已预约明天沟通
会议记录 会议主题、时间、参会人、议题、决议、待办事项，包含详细内容 【3 月 15 日会议记录】主题：A 项目进度；参会人：张三、李四、王五；决议：4 月 10 日前完成第一阶段；待办：张三写进度报告，李四对接供应商
工作文案 邮件草稿、汇报材料、PPT 大纲、方案框架，包含核心内容、用途 【邮件草稿】收件人：客户张三；主题：A 项目方案确认；内容：方案已修改，详见附件，有问题请随时沟通，期待回复
工作产出 报告、方案、PPT、文档，包含名称、用途、完成情况 【工作产出记录】A 项目方案（用途：客户确认，完成 80%）；月度工作总结（用途：部门汇报，完成 100%）；PPT（用途：项目介绍，完成 50%）
办公关联类 工作地点 公司地址、分支机构地址、客户地址、出差地点，包含详细地址（虚拟） 【工作地点记录】总公司：XX 市 XX 区 XX 路 XX 号 XX 大厦 15 楼；分公司：XX 市 XX 区 XX 路 XX 号 XX 大厦 8 楼；客户 A 地址：XX 市 XX 区 XX 路 XX 号
办公设备类 电脑（品牌 / 型号 / 配置）、打印机（型号 / 功能）、手机（工作号），包含设备信息 【办公设备记录】工作电脑：XX 品牌 X1，配置 i7/16G/512G；打印机：XX 型号 P100，支持无线打印；工作手机：138xxxx0000（仅用于工作）
办公软件类 常用软件（Office/Adobe/ 专业软件）、账号、使用技巧，包含虚拟信息 【办公软件记录】Office 账号：123456@company.com，密码：Ofc123456；PS 技巧：用 “钢笔工具” 抠图更精准；Excel 技巧：用 “VLOOKUP” 函数查数据
健康养生类 生理健康数据类 基础指标 体重、身高、血压、血糖、心率，包含测量时间、数值（虚拟） 【健康指标记录】3 月 15 日：体重 65kg（比上周降 0.5kg）；血压 120/80mmHg（正常）；心率 70 次 / 分（正常）
女性健康 月经周期、经期天数、经量、身体反应，包含时间、情况（虚拟） 【女性健康记录】3 月月经：10 日开始，15 日结束（6 天），经量正常，无明显痛经，下次预计 4 月 8 日
体检报告类 体检项目、结果、医生建议，包含虚拟信息、对应语种医学术语 【体检报告摘要】项目：血常规（正常）、肝功能（正常）、心电图（正常）；建议：少熬夜，多运动，饮食清淡
各类病症类 常见病症 感冒、发烧、咳嗽、胃痛、头痛，包含症状、用药、恢复情况 【病症记录】3 月 14 日感冒：症状（鼻塞、咳嗽），用药（感冒灵颗粒），3 月 16 日好转，注意多喝水、休息
慢性病症 高血压、糖尿病、颈椎病、腰椎病，包含症状、用药、注意事项（虚拟） 【颈椎病记录】症状：脖子酸痛、头晕；用药：贴膏药、吃止痛药；注意：少低头看手机，每天做颈椎操 10 分钟
外伤记录 擦伤、扭伤、烫伤，包含原因、处理方式、恢复情况 【扭伤记录】3 月 15 日下楼扭伤脚踝：原因（踩空台阶），处理（冰敷、喷云南白药），预计 1 周恢复，避免剧烈运动
美容保养类 护肤记录 护肤步骤、产品（洁面 / 水 / 乳 / 霜 / 面膜）、效果，包含品牌、使用时间 【护肤记录】早上：洁面→爽肤水→精华→乳液→防晒（XX 品牌）；晚上：卸妆→洁面→面膜→爽肤水→精华→面霜；效果：皮肤变滋润，痘痘减少
化妆记录 化妆步骤、产品（粉底 / 眼影 / 口红 / 腮红）、场合，包含品牌、颜色 【日常化妆记录】步骤：隔离→粉底→散粉→眼影（大地色）→眼线→睫毛膏→口红（豆沙色）；场合：上班；产品：XX 品牌粉底、XX 品牌口红
护发记录 洗发步骤、产品（洗发水 / 护发素 / 发膜）、护理频率，包含品牌、效果 【护发记录】洗发水（XX 品牌，控油）→护发素（XX 品牌）→每周 2 次发膜；效果：头发不油了，变得顺滑，减少掉发
身材管理 减肥计划、运动记录、饮食控制，包含目标、方式、效果 【减肥记录】目标：3 个月瘦 10 斤；运动：每天跑步 30 分钟、做瑜伽 20 分钟；饮食：少吃主食、多吃蔬菜；效果：1 个月瘦 3 斤
生活娱乐类 生活事务类 装修记录 装修进度、预算、材料（地板 / 瓷砖 / 墙面漆）、问题，包含虚拟信息 【装修记录】3 月 15 日：完成墙面刷漆（颜色：米白色，材料 XX 品牌）；预算：已花 5 万元，总预算 15 万元；问题：卫生间防水需重新做
育儿记录 孩子饮食、睡眠、学习、健康，包含年龄、事项、情况（虚拟） 【育儿记录】孩子 3 岁：饮食（早餐牛奶 + 鸡蛋，午餐米饭 + 蔬菜 + 肉，晚餐面条）；睡眠（晚上 9 点睡，早上 7 点起）；学习（会背 10 首古诗，认识 20 个汉字）
减肥记录 减肥计划、运动、饮食、体重变化，包含目标、时间、效果 【减肥记录】目标：2 个月瘦 8 斤；运动：每天跳绳 1000 个、快走 30 分钟；饮食：控制热量，每天 1500 大卡；1 个月后体重从 130 斤降到 125 斤
做饭记录 菜谱、食材、步骤、味道，包含菜名、烹饪时间 【做饭记录】菜名：红烧肉；食材：五花肉 1 斤、冰糖、酱油、料酒；步骤：1. 肉焯水；2. 炒糖色；3. 加肉翻炒；4. 加水炖 1 小时；味道：软糯香甜，很好吃
健身记录 健身项目、时长、强度、效果，包含时间、部位 【健身记录】3 月 15 日：胸肌训练（卧推 3 组 ×12 次、飞鸟 3 组 ×15 次），时长 1 小时，强度中等；效果：胸肌有酸胀感，坚持 1 个月肌肉更明显
娱乐内容类 旅游记录 旅游地点、行程、景点、美食、花费，包含虚拟信息、对应语种 【旅游记录】地点：XX 市；行程：Day1（XX 景点、XX 餐厅），Day2（XX 景点、XX 购物街）；美食：XX 小吃（辣的，很好吃）；花费：2 天 1500 元
兴趣爱好类 摄影、绘画、音乐、手工、游戏，包含作品、心得、进步 【摄影记录】今天拍了一组风景照，用了光圈优先模式，ISO100，光圈 f/8，效果很好，比上次进步了，还要多练习构图
影视记录 电影、电视剧、综艺，包含名称、类型、评分、观后感，对应语种版本 【影视记录】电影《XX》（英语，剧情片）；评分：9.0；观后感：剧情很感人，演员演技好，讲的是亲情的重要性，推荐观看
音乐记录 歌曲、歌手、类型、歌词、感受，对应语种歌曲 【音乐记录】歌曲《XX》（英语，流行）；歌手：XX；歌词很励志，旋律好听，心情不好的时候听能让人振作，已加入歌单

三、通用采集规范

  1. 隐私保护要求
  • 所有涉及个人信息的数据（证件、账号、地址、联系方式）必须使用虚拟信息，不可包含真实个人隐私
  • 虚拟信息需符合逻辑（如身份证号格式正确、手机号号段合理、地址包含完整省市区）
  • 避免使用真实企业名称、品牌名称的敏感信息，可使用 “XX 公司”“XX 品牌” 替代
  1. 数据质量要求
  • 唯一性：无重复数据，同一内容不可出现在不同分类或不同语种中
  • 完整性：每条数据包含必要信息（如文件类含完整内容、短信类含发送方 + 时间 + 内容）
  • 准确性：内容符合分类场景，无逻辑错误（如 “工作类” 短信不可包含生活类内容）
  • 多样性：同一分类下数据需覆盖不同场景（如 “购物清单” 包含日常、节日、专项购物）
  1. 格式规范要求
  • 文件夹命名：按 “语种→数据类型→一级分类→二级分类→三级分类” 层级命名（如 “中文繁体→文件→工作办公类→合同协议类→商务合同”）
  • 文件命名：包含 “数据类型 + 分类 + 序号 + 语种”（如 “PDF_商务合同_001_中文繁体.pdf”“短信_注册验证_001_英文.txt”）
  • 文本内容：编码为 UTF-8，无乱码，对应语种文字无拼写错误（如英文无语法错误、日语无假名错误）
  1. 交付验收要求
  • 交付时需提供《数据采集清单》，包含每条数据的 “编号、分类、格式、内容摘要、状态”
  • 每个语种、每个数据类型需单独打包，压缩包命名为 “数据类型_语种_数量.zip”（如 “文件_中文繁体_7000.zip”）
  • 验收标准：数量达标（±5% 偏差）、分类准确（错误率≤1%）、格式规范（错误率≤0.5%）