AI 输出怎么质检：三层评测体系

1-10 节说过“评测 + 人工抽检”是幻觉的兜底。那一节讲的是“要不要质检”，这一节讲的是“怎么质检才可持续”——全靠人工看，100 条文案你就看吐了；全靠 AI 自查，它自己骗自己。

AI 一天能产 500 条文案、200 张图、3000 句客服话术。你的团队一天能人工看多少？50 条？100 条？用人工覆盖全部产出，AI 省下来的人力又原样还回去了——这是大多数团队“AI 用得累”的真正原因。

解法是把质检做成漏斗：便宜的手段拦大头，贵的手段只处理漏网之鱼。三层漏斗，每一层的成本和任务完全不同（点开每一层看细节）：

1 规则校验 · 机器秒查成本 ≈ 0 · 拦 70% 问题

不写一行 AI，纯代码规则：违禁词表（“最/第一/治疗”广告法红线）、字数限制（标题超 30 字打回）、格式检查（JSON 字段齐不齐、价格带不带 ¥）、事实比对（文案里的参数和商品库对不对得上）。这一层像工厂的传送带卡尺——尺寸不对的零件根本进不了下一道工序。它不聪明，但它不知疲倦、永不放水。

2 模型互评 · AI 查 AI成本 低 · 拦 25% 问题

规则查不出的“软实力问题”——通不通顺、像不像人话、卖点突不突出——交给另一个模型当评委。写法很简单：“你是资深电商文案总监，给这条文案按 1-10 打分，低于 7 分说明理由。”关键技巧：评委模型和干活模型最好不是同一个（自己批改自己的作文容易放水），且评委只看单条、不看全局——它的职责是“初筛”，不是“终审”。

3 人工抽检 · 兜底终审成本 高 · 只抽 5%

前两道筛完，只剩“看起来没问题”的产出。人工只干两件事：按比例抽检（每 100 条抽 5 条）和必查高危品（保健品、化妆品、食品——广告法高危类目 100% 人工过）。抽检发现的问题必须回流：违禁词漏了 → 补进第一层词表；调性不对 → 把案例加进第二层评委的评分标准。这样三层才会越用越聪明。

产出类型 规则校验主力 模型互评主力 人工抽检比例文案（标题/详情） 违禁词、字数、参数比对 通顺度、卖点突出度 5%（高危类目 100%）图片（主图/海报） 尺寸、文件大小、有无 LOGO 位 多模态模型看“图文一致性” 10%（3-3 节的 8 项清单）客服话术 禁语、承诺类词汇（“包赔/绝对”） 语气温度、是否答非所问 3% + 差评对话全查

AI 产出 500 条→ 规则刷掉 350→ 互评刷掉 125→ 人工只看 25 条 ✅