AI 批次內容的品質關卡：先統計既有內容，再訂可檢查的規則

AI 批次寫出來的內容，最常見的失敗有兩種。一種是風格斷層：同一批頁面，段落標題、圖片位置、圖說長短各寫各的，讀者一眼就看得出不是同一個人寫的。另一種是亂編：資料裡沒有的材質、工期、保固，模型會順手補上，補得像真的一樣。

亂編的風險有公開文件可循。NIST 的生成式 AI 風險管理配套文件，把資訊完整性列為風險之一，指出生成內容可能讓人難以分辨事實與意見（NIST，2024）。放在企業網站上，模型補出的一句規格，讀者會當成企業說的話。

只換一段更好的提示詞，兩種問題都無法根除。可行的做法是在流程中設關卡：每一關有明確的通過條件，程式能判斷的交給程式，程式判斷不了的才交給模型或人審。磨人開發團隊在AI 批次內容與資料處理服務中使用這套做法，以下依關卡逐一說明。

先統計既有內容，再訂規則

淇豪廣告的案例文章，正式站已有 90 篇，之後每個新案例都由 AI 建案。要讓新文章讀起來和舊文章出自同一人，第一步不是寫風格指南，而是統計這 90 篇實際的樣子。規則取自統計結果，不取自設計偏好。

上表為 2026 年夏季的統計。NIST 的 AI 風險管理框架（AI RMF 1.0）有 GOVERN、MAP、MEASURE、MANAGE 四項功能，其中 MEASURE 以量化、質化或混合的方法分析、評估、比較與監控 AI 風險（NIST，2023）。先統計再訂規則，順序與此一致。

規則要能被程式檢查

一條規則要寫到程式能回答通過或不通過，才算規則。段落標題只准用固定三段，程式比對字串即可。圖片穿插有固定的槽位，程式檢查每個槽位有沒有圖。圖說長度有範圍，程式數字數。「語氣自然」這類程式答不了的條件，不放進必過的規則，留給抽審。

統計也會抓出既有資料的缺陷，缺陷要直接寫進規則。既有的圖片區塊中，約九成的 alt 與 title 完全相同，平均只有 5 個字，對看不到圖的讀者等於沒有資訊。新規則要求實際看圖之後，寫 20 到 40 字的畫面描述，而且不得等於 title。

規則的數值要用實際審查結果校準。描述的上限原訂 40 字，後來校準到 50 字：審查發現 41 到 49 字的描述品質良好，硬性卡在 40 字，會逼審查者對同樣品質的內容給出不同的判定。規則要擋的是壞內容，不是好內容。

全部自動檢查通過，內容仍可能是錯的。批次完成後仍要逐篇核對圖文，因為圖文可能錯配，例如文字寫的建物與圖片不同。案例首屏也要用手機與桌機截圖驗收，標題可能壓在招牌字上，手機版的招牌可能被裁切。API 與結構檢查對這兩種錯都沒有反應，所以圖文核對與截圖驗收留給人。

規則寫完之後還要維護。Sculley 等人指出，機器學習系統的快速進展看似免費，長期維護成本卻會累積，摘要列出資料相依性是風險來源之一（Sculley 等，2015）。規則依賴既有資料，資料改變，規則就要重新校準，上面 alt 上限的調整就是一例。Breck 等人提出的檢核表，列出機器學習系統上線前與上線後都該有的測試與監控項目（Breck 等，2017）。關卡也該這樣設計：上線前擋得住，上線後看得見。

找不到來源就留空，要求補件

brief 的欄位只能取自文件中實際存在的資訊。找不到，就留空，不用空話填。網站上杜撰的材質、工期、保固，一經發布就是不實陳述。

施工難點這類欄位最有價值，空白時生成品質明顯下降。遇到空白，做法是回報缺什麼、請同事補件，不是硬寫。已知的事實則不能留空：淇豪自己的資訊，例如專案規劃及執行單位，brief 沒寫也要填。個案的材質、工期、保固屬於專案客戶，沒有來源就留空。

若批次內容的來源是檢索取回的文件，可先讀RAG 的運作方式與適用情境。批次流程上線前如何離線評測，見AI 上線前的評測做法。

翻譯時，程式會比對的字串不能被翻掉

淇豪的案例網站在 2026 年上線四語系，規模是 90 個案例、27 個分類、83 個品牌與 7 篇技術文章。翻譯時，內容的區塊結構（數量、順序，以及 type、order、image、url 欄位）不可改動，只翻文字欄位。

1. 有些中文字串同時是程式識別值，例如狀態、材質比對，以及送到後端的值，翻掉就壞。下拉選單的 option 沒有 value 時，顯示的文字就是送出的值，要先補上 value，再翻 label。
2. 合作單位的判斷若寫成「partner.title 等於中文的客戶」，多語後這個條件永遠不成立，手機版的年份就會消失。
3. next-intl 的訊息 key 不可含點，否則整個訊息提供者拋錯，全站訊息失效。四個語系的 key 集合必須一致，翻完用腳本比對。
4. 工法詞彙，例如發光字，四個語系要用同一種譯法。

共同原因是翻譯模型不知道哪些字串被程式引用，所以翻完要用腳本比對各語系的欄位與 key。

花最多的是審查，不是標註

一批上千份的 PDF 文件，需要重排段落並加上標籤。試跑兩輪、約 60 篇，五個評分項目的平均分由約 3.7 升到約 3.9，絕大多數比舊版好。花費幾乎都在審查：兩輪的審查費用約為標註的 20 倍。

結論是全量處理不讓最貴的模型逐篇讀。改法有四項。

• 程式先產出精簡的審查對照檔，審查者不翻資料庫與原檔。
• 中階模型依風險抽審 10 到 15%，長篇、掃描檔、版面有疑慮、來自新來源的文件優先。
• 升級條件寫成規則：邊界或覆蓋的評分在 3 分以下，且原因出在標籤端，才升級給最強的模型。驗證器過不了的文件也升級。
• 標註端一篇一個子任務，長篇先切段再合併。驗證器的結束碼為 0 才收件，不靠人眼判斷。

全量結果：約 1,500 篇文件、約 2.9 萬則，超過 90% 有情境小標；抽審約 160 篇（約一成），平均分約 4，達到目標。子任務約 1,600 個交給最小的模型，約 50 個交給中階模型，最強的模型不到 10 個。整批的成本落在數百美元等級，平均每篇不到一美元，金額依牌價換算，非帳單。

抽審建立在標註品質可量測的前提上。Snow 等人以眾包平台收集非專家標註，五項任務的非專家標註與專家金標準都高度一致，並提出偏誤校正來改善品質（Snow 等，2008）。該研究的對象是人不是模型，可借用的是做法：保留對照答案，抽樣量出實際品質，再決定是否加強審查。另一方面，模型當評審有已知的偏好，包括偏好特定位置的答案、較長的回答與自己產生的答案（Zheng 等，2023）。因此程式能驗證的項目，例如逐字比對與結束碼，不交給模型評審。

數字類內容附原文片段，由第二位獨立複核

官方資料頁上的申請條件，例如年級、成績、語言檢定的門檻，是模型最容易順手改寫的內容。處理方式是讓每個結構化的值都附上原文片段（quote），由程式驗證片段確實是原文的子字串、數字確實出現在片段裡。原文寫「或」就是「或」，寫「且」就是「且」，原文沒寫的條件不加。

抽取分兩段。第一位抽取者逐組抽出條件；第二位獨立複核，提示詞要求假設前一位有錯，逐列重讀年級、成績、每項考試有無漏列、新舊制、分項、學士與研究生、或與且。兩關都必須通過檢查程式，仍需要人看的列記在 flags 欄位，整理成一張表交給客戶確認。

資料更新時只重做有改動的部分。重新抓取官方資料後，用 diff 工具列出新增、消失與有改動的項目。消失的列只視為候選下架，先問客戶，不自動下架。只有申請條件有改的項目才交給 AI 重新結構化，其餘如名額、年曆，由程式套用。只差英文括號的項目也算有改動，因為 quote 必須逐字出現在原文。首次處理約 290 個單位、約 330 組條件，後續兩次分別約 100 個與約 60 個單位。

估費用要用輪數乘上下文，不是代理數

用 AI 代理做大量工作，費用最容易被低估。費用取決於每個代理跑幾輪、每輪重讀多少內容，只算代理數，會漏掉最大的一塊；動態分派代理時，代理數還會隨發現數成倍放大。

估法是輪數 × 平均上下文 × 快取讀取單價。動態分派代理之前，先算出「發現數 × 驗證者數」的上限，講不出這個數字，就不要那樣設計。其餘做法是拆小任務、限制輪數、中途量用量。預估超過門檻時，先報給客戶，同意後才跑。

額度也要依用途分帳。常見的情況是：原本只服務終端使用者查詢的金鑰被拿去跑批次標註，批次一旦提示詞寫錯，整批丟棄的呼叫就是純浪費，前台的正當查詢卻可能因額度耗盡而失敗；測試站的額度通常很小，批次測試就足以把使用者要用的額度用完，問答功能因此全部失敗。對策是劃線：批次、清理、測試一律不動服務使用者的金鑰；用這把金鑰的批次試跑先報預估花費，同意才跑；整批資料處理改由團隊自己的方案執行。

這樣分帳還有一個理由。大量並行呼叫失控、用量暴增時，第一個反應往往是懷疑金鑰外洩，因為用量圖分不出正常工作與金鑰被盜。內部批次走獨立的金鑰或本機，圖上出現的異常，就是異常。金鑰只花在後台提交的需求上，壞掉時整輪中止，不重複呼叫十幾次。

快取是另一個省錢的地方，也有靜默失效的門檻。乖獸（Cooking Monsters）的正式站在系統提示詞上加了 cache_control，提示詞約 4,920 token，只比所用較小模型的最低可快取門檻 4,096 高約 800。官方文件說明，提示快取有依模型而定的最低可快取 token 數，低於門檻的提示即使標記 cache_control 也不會被快取（Anthropic 官方文件）。提示詞日後若精簡到門檻以下，快取讀取量會變成零，API 卻不報錯。對策是在日誌表記錄輸入、輸出、快取寫入、快取讀取四種 token，做成用量與費用儀表板，讓失效看得見。

同樣的原則也用在圖像與報價，見大型活動的角色系統與婚宴外燴的線上提案。

不適合的情況

• 批次量很少。人工逐篇處理更快，統計、訂規則與寫驗證器的前置工作收不回來。
• 內容本身要有獨特觀點，例如評論。規則保證得了一致與不亂編，保證不了觀點。
• 來源資料不足，又不接受留空。模型被要求填滿每個欄位，缺的資訊就只能杜撰。

動手前要準備什麼

需要準備三項：現有內容的樣本與數量、要處理的語言、誰負責最後審稿。樣本用來統計並訂出規則，數量決定抽審的比例與預算，語言決定要不要額外檢查識別值，最後審稿的人決定難例交給誰。準備好之後，請聯絡磨人開發團隊，說明現有內容的狀況。