第十章 · 让 AI 评 AI

上一章结尾留了个问题：方案好不好、话得不得体——这些没有硬判官的事，只能让 AI 来当裁判。这就是 AI 交叉质检：让一个（或几个）AI 去评审另一个 AI 的产物。这招很重要，但大多数人的用法是错的——他们打开对话框，把 AI 写的东西粘进去，问一句：「你觉得这个怎么样？」

这一问，基本等于没问。

为什么不能随便让它评

随手一问「怎么样」，你会得到一段四平八稳的表扬加几条不痛不痒的建议。原因有三：

AI 天生爱当老好人。它倾向于让你满意，而不是让你清醒。没有明确评审标准时，「总体上写得很好」是它的默认答案。

没有尺子，就没有度量。「好不好」是个没有刻度的问法。你不给它尺子，它就给你感觉；而它的感觉，本质是另一段未经检验的生成——你等于用一个幻觉去验另一个幻觉。

自评有盲区。让写东西的那个模型自己评自己，就像让考生批改自己的卷子——它的错误来自它的认知，用同一套认知去检查，错误恰好藏在看不见的地方。

正确姿势：先造尺子，再量东西

有效的交叉质检，顺序是反过来的：先定尺子，再评审。具体四步：

1. 定维度。先让 AI（或你自己）确定：这份东西从哪几个维度评？比如一份招聘文案，维度可能是：岗位信息准确性、对目标候选人的吸引力、公司调性一致性、合规风险。
2. 定指标。每个维度拆成具体指标，并说明指标怎么取值。不是「吸引力好不好」，而是「前两句是否给出候选人关心的具体利益点：有/没有」。
3. 定输出格式。评审结果给成什么样？逐维度打分加一句证据，还是只列问题清单？定死它，评审结果才可比较、可追踪。
4. 换模型交叉评。有条件的话，用另一个模型来评，而不是生成它的那个。不同模型的盲区不同，交叉之下漏网之鱼少得多。

一个对照例子

坏问法：「这封客户道歉信写得怎么样？」——你会收到「整体真诚得体，建议注意语气」。

好问法：「按四个维度评审这封道歉信：①是否承认了具体错误（有/无，引原文为证）；②是否给出补救措施和时间点；③是否出现推卸责任的表述（逐句检查）；④语气是否符合我司客服手册第 3 节的规范（附手册原文）。逐维度给结论和证据，最后列一个必须修改的清单。」——这次你收到的是一份能拿去改东西的质检报告。

质检报告也是 AI 产物

最后提醒一句闭环：交叉质检的报告本身也是 AI 生成的，同样适用于前面三章——查它的格式、查它引的证据在原文里是否真存在、抽几条结论代回去验。裁判也需要被监督。

到这里，五大维度走完了四个。但哪怕问题、计划、过程、结果全都做对，还有最后一关必须过：真实世界认不认。下一章讲回到真实环境的反馈闭环。