Markup：把一箱自由文本病历，变成能直接喂给模型的训练集

想象你手上有 500 份出院小结，每份里散落着药名、剂量、频次、并发症，但它们只是一段段连续的中文段落。要拿这些数据去训一个抽取模型，你得让懂医学的人先把这些信息一条条框出来。经验丰富的标注员处理一份含 41 个数据元素的文档，平均要 15 到 30 分钟——这是整个 AI 项目里最贵的、最容易拖垮进度的一环。

Markup 就是为这件事造的工具：打开浏览器，划一段文字，它就告诉你"这大概是 Prescription，剂量 10，单位 mg，一天两次"，你点确认或者改一下就行。

一个生分了七年的老项目

Markup 最早由英国斯旺西大学的 Samuel Dobbie 在 2019 年 2 月开源，2020 年 4 月在 Hacker News 上以 "Show HN: An annotation tool for ML and NLP" 亮相，定位很直白——做一个"比 Prodigy 好用、但不要 400 美元年费"的替代品。它的学术版本《Markup: A Web-Based Annotation Tool Powered by Active Learning》后来发表在 Frontiers in Digital Health 上，被医疗信息学界当成 Web 标注工具的参照实现之一。

有意思的是，这七年间它换过一次"发动机"。论文里的原始架构是纯机器学习方案：Random Forest 分类器先从文档里挑出"含处方信息"的句子，再交给 LSTM + Seq2Seq 网络把句子转成结构化属性，模型靠用户对建议的接受/拒绝反馈持续微调；为了让用户无需准备语料就能训出模型，Markup 还内置了一个合成数据生成器。

而今天仓库里的 v2.0.0 已经把这一切换掉了。server/src/complete.ts 里只剩下一句朴素的实现：拼一个 POST <baseUrl>/chat/completions，让大模型返回 JSON。这是一次典型的"端侧模型 → 大模型 API"的迁移，旧的自训练流水线在当前代码树里已经找不到痕迹。

类比：像一个会读病历的实习助理

传统标注工具像一张空白表格，工具本身不聪明，只是给你一个更顺手的输入框。Markup 更像坐在旁边的实习助理：你指着一段话问"这是什么"，他给出类型和属性建议；你圈错了他会记住，你确认了他下次更准。区别在于这个助理的"知识"全部来自你配置的实体/属性清单（UMLS、SNOMED-CT、ICD-10 这类医学标准术语，或你自己上传的本体文件），所以他不会乱猜，只会"选边"。

现在它到底能干什么

三条建议链路（server/src/prompts.ts 里的提示词写得很干净）：划选文本 → 判实体；划选文本 + 实体 → 抽属性；整篇文档 → 一次性给出文档级标注建议（含精确的 text_span 文本片段）。第三种最有意思，服务端会把模型返回的片段拿回原文做严格校验：不在工作区配置里的实体、原文里找不到的子串、和已有标注重叠的区间，全部静默丢弃。

语义检索（server/src/search.ts）。三种模式：conceptual 先让模型把自然语言查询扩写成关键词加一条判定标准，再召回候选文档并逐批交给模型做 yes/no 判定；keyword 退化为 Postgres 全文检索；structured 直接查标注表，支持 all/none 组合过滤。概念检索失败时会自动降级回关键词检索，不会把错误甩给用户。

导出与协作。支持 brat standoff、JSON 等标注格式导出，能在多个标注者之间做 diff 对比；工作区有成员/所有者两级权限，基于 Supabase RLS 实现。

密钥安全。工作区的模型 API key 用 AES-256-GCM 加密后落库（server/src/crypto.ts），MODEL_CREDENTIALS_KEY 支持 64 位 hex，也接受任意口令走 SHA-256 派生。界面上只显示末 4 位。

上手门槛：比想象中陡一点

本地跑起来需要：Node.js 22+、pnpm、Supabase CLI，并且要 supabase start 起一个本地 Postgres 实例（Docker 依赖在此），然后 pnpm dev + pnpm dev:api 分别起前端和 API。生产部署官方给了多阶段 Dockerfile（node:22-alpine 构建 + 运行同镜像），一个容器同时提供静态前端和 Hono API，端口 8080，官方托管在 Render。

AI 端点是"自带"的，这点设计得不错：可以是 https://api.openai.com/v1、https://api.anthropic.com/v1，也可以是本地 Ollama（http://127.0.0.1:11434/v1），甚至是任意 OpenAI 兼容的自建网关；模型名留空表示"只挂一个模型的服务"。代码里有不错的容错：先带 response_format: json_object 请求，遇到 400 再降级重试，Claude 系则自动不发 temperature。

需要 GPU 吗？ 不需要，Markup 自己不跑模型，只发 HTTP 请求。这让它比大多数 AI 工具好落地——瓶颈在 Supabase 的安装和 Docker 环境，不在算力。

争议与局限：不粉饰

• 文档与代码已经脱节。README 里的 "predictive annotation" 措辞仍暗示机器学习预测，实际实现已经是纯 LLM 提示词工程；论文中描述的 LSTM Seq2Seq、自动本体映射（UMLS 概念自动对齐）在当前代码树里找不到对应模块——src/pages/dashboard/OntologyTable.tsx 只剩本体表格 UI，映射逻辑已不在。
• CORS 硬编码。server/src/index.ts 里 origin 写死 http://localhost:3000，要挂到自己的域名下必须改代码重新构建。
• 强绑定 Supabase。数据库、鉴权、RLS、Postgres 全文检索全部依赖 Supabase，虽然 Docker 镜像本身不内置 Supabase，私有化部署需要额外维护一套 Supabase 实例。
• 文档级建议有长度截断（MAX_DOCUMENT_PROMPT_LENGTH），超长文档会被静默截断，长病历场景下的召回质量会下降。
• 提示注入面。文档正文直接进入提示词，恶意构造的文档可能诱导模型返回越界标注；服务端靠 resolveDocumentSuggestions 做二次校验兜底，但不是完备的对抗手段。
• 社区体量小。270 stars、32 forks、约 4 位贡献者，基本是单人主导项目（作者邮箱 sam@getmarkup.com），Roadmap 透明度有限。
• 安全更新滞后。基础镜像 node:22-alpine 未固定具体版本，GitHub Actions 只用了浮动 tag（actions/checkout@v4 等），供应链层面没有做 SHA 锁定。

行业意义

Markup 恰好站在一条行业分界线上：标注工具的第一代靠"内置小模型 + 主动学习"，第二代靠"调用通用大模型"。第二代工具的核心竞争力从算法工程转向了三件事——提示词设计（Markup 的四个 prompt 模板清晰可审计）、结果校验层（模型输出必须过白名单和原文匹配）、端点可换（用户自己决定用哪家模型、要不要本地化）。这三点恰好对应了企业落地 AI 工具时最关心的三个问题：可控、可信、可私有。

论文数据也说明了为什么值得投入：有经验的标注员标注一份含 41 个数据元素的文档需要 15–30 分钟，人工成本极高；而第一代主动学习方案已经能减少约 14.2% 的标注时间并小幅提升标注者间一致性。LLM 建议大概率能把这一数字再往上推——只要你能忍受上面说的那些工程成本。

对想把行业语料沉淀成数据集的团队来说，Markup 值得放进候选清单：它 MIT 协议、可以完全自托管、数据不出你的机房，代价是你得自己维护一个 Supabase 实例，并接受文档与代码之间的历史包袱。