建立结果验收闭环

AI 能快速生成结果，但“生成完成”不等于“工作完成”。真正的结束条件是：结果通过了与风险相匹配的检查，并且有人愿意对它负责。

1. 五层验收

层次	要检查什么	常用方法
完整性	目标、字段、章节是否遗漏	对照清单和结构
事实性	数字、日期、引文是否正确	回到原始资料逐项核对
逻辑性	推论是否由证据支持	反例、边界条件、第二种分析
可用性	格式能否进入下一步	实际导入、试发、试运行
风险性	是否涉及权限、隐私、合规与不可逆动作	人工批准、最小权限、回滚

2. 不让 AI 自证正确

“请检查你刚才的答案是否正确”可以发现部分表面问题，但不能作为独立证明。更可靠的做法是：

1. 把原始资料和生成结果分开保存；
2. 用明确规则或计算重新检查；
3. 重要事实回到一手来源；
4. 高风险内容交给具备责任和专业资质的人复核；
5. 随机抽样检查批量结果，而不是只看第一条。

3. 按交付物选择检查方式

交付物	最低检查
搜索研究	每个关键结论有可打开的一手来源
长文档摘要	重点条款能回链到页码或段落
数据分析	总数、时间范围、空值和计算口径一致
邮件与文案	对象、事实、承诺、附件和语气正确
会议待办	任务、负责人、截止时间来自会议原文
代码	测试、类型检查、构建、差异审查和人工体验
自动执行	日志、失败告警、幂等、权限与回滚可用

4. 三档风险对应三档闸门

4.1 低风险

可逆、内部使用、容易发现错误。AI 生成后快速抽查即可，例如整理个人笔记。

4.2 中风险

会被客户或同事使用，错误会造成返工。必须按清单逐项检查，例如对外邮件、经营报表草稿。

4.3 高风险

涉及金钱、法律、健康、隐私、生产发布或不可逆操作。AI 只能提供分析或草案，必须由有权负责的人独立审批。

5. 把修改反向写回流程

每次人工修改后，把原因分为三类：

• 输入缺失：下次补到资料或背景；
• 规则缺失：下次补到约束或检查清单；
• 能力边界：保留为长期人工判断，不强求自动化。

这样，验收不只是末尾挑错，而是持续改善下一次输入和流程。

6. 落地案例：批量生成上架文案

电商内容编辑

为新季节系列 300 个 SKU 批量生成上架文案

!AI 一次生成后直接上架，出现过把竞品卖点写进自家商品的事故

改造前每批约 2 天（含返工）

改造后每批约 3 小时

这样改造

1. 分两步生成：先出卖点要点表，人工确认后再写文案
2. 建立禁用词与竞品名清单，交给 AI 生成后自检
3. 规则检查：尺码、材质、价格字段与商品表自动比对
4. 人工按 10% 抽样全读，重点类目抽样加倍
5. 每次人工修改的原因写回禁用词或要点说明

这样验收

• 抽样错误率低于约定阈值才批量上架
• 尺码、材质等硬信息 100% 通过规则比对
• 出过问题的规则永久进入检查清单

竞品事故没有再发生，文案批次一次通过率稳定在 98% 以上。

耗时为示例基线，请用你自己的记录为准。更多分角色案例 →

6.1 准备批量文案工作空间

创建 AI-Work/SKU文案-批次号/，放入商品主数据、已批准卖点、禁用词 / 竞品词清单、渠道字段要求和人工合格样本。acceptance.md 分成两层：材质、尺码、价格等硬字段要求 100% 规则一致；语气与可读性采用分层抽样。

6.2 用 WorkBuddy 先验证再批量

1. 先盘点 300 个 SKU 的字段完整性，缺硬字段的直接进入异常表；
2. 选 10 个覆盖不同类目和缺失情况的 SKU，只生成卖点要点表；
3. 人工确认要点后，再为同一批生成渠道文案；
4. 用商品表逐字段比对硬信息，用禁用词表扫描全部文案；
5. 样本通过后分 50 个一批生成，批次间都输出错误数和待确认项；
6. 全量完成后按普通商品 10%、高风险类目 20% 抽样全文检查。

读取 @商品主数据、@批准卖点、@禁用词清单 和 @渠道规则。
先输出 data-quality.xlsx；硬字段缺失的 SKU 不生成文案。
第一轮仅为 10 个代表性 SKU 生成 selling-points-sample.xlsx，字段必须带来源列。
人工确认后再生成文案。不得引入竞品、功效、认证或资料中没有的承诺。
每 50 个 SKU 输出 qa-report-N.md，列出字段比对、禁用词命中、失败和待确认项。

6.3 设置放行条件和回滚

只有硬字段校验全部通过、抽样错误率低于团队事先约定的阈值，才能由人批准上架。保留每批输入、文案、规则版本和上架清单；发现系统性错误时按批次回滚，不直接在已发布页面逐条修补。每次人工修改必须写明原因并进入下一版规则。

7. 完成练习

为你最常使用 AI 的一种交付物写一张不超过十项的验收清单。连续使用五次，删除无法执行的空话，补上实际漏检过的项目。