AI内容质量评分标准：五维评分卡与拒收线

AI 内容质量评分标准是一套预先写好的打分规则：把一篇 AI 产出的内容按事实准确、信息增量、结构可读、品牌一致性、可执行性五个维度分别评级，任何一项触线即拒收，其余按总分决定发布、修改还是退回。它的作用是把"读一遍感觉还行"变成可记录、可复核、可比较的判断依据——尤其是当团队每天产出大量 AI 内容、审核人不止一个的时候。本文的评分卡可以直接抄走，按自己团队的品类微调。

为什么需要评分标准而不是"读一遍"

人读一遍能发现显眼的问题，发现不了系统性问题。没有评分标准时，审核结果取决于当天的心情和审核人的口味：同一篇稿子，早上过、下午毙； A 编辑放行的风格 B 编辑打回。批量生产 AI 内容的团队最终会撞上三个具体麻烦——退回理由说不清、质量问题反复出现、没人知道内容质量是在变好还是变差。

评分标准解决的就是这三件事：退回理由变成"信息增量维度不达标，全文没有一处读者搜不到的增量"，修改方向明确；反复出现的问题会在同一个维度上攒记录，倒逼上游改提示词或 Skill；总分按周统计，内容质量第一次有了趋势可看。

先划清一个边界：这套标准评分的对象是产出的内容，不是工具本身。判断一个 Skill 或工具值不值得用，是另一套方法，见本站的营销 Skill 质量判断指南。两件事分开做，工具选型和内容验收才都立得住。

五个评分维度与权重

每个维度按三档评级：达标、部分达标、不达标。权重供参考，可以按品类调整——合规敏感品类把事实准确加到一票否决即可，不必改权重。

信息增量这一维最容易漏判，因为它读起来往往最"顺"。一个可操作的判别法：逐段问"这段的哪个具体信息，是目标读者用搜索引擎前三条结果得不到的"，数不出三处，就该按部分达标以下处理。

三条拒收线：触线即毙，不进总分

以下三种情况不参与加权计算，直接退回重做。这样设计是为了防止"事实错误但其他维度都不错"的稿子靠总分混过去：

1. 编造事实线：出现无来源的关键数字、虚构案例、凭空引用。事实核验的具体操作另有专门清单，见AI 文章事实核查指南，两套配合用：核查清单管过程，评分卡管结果。
2. 合规风险线：医疗功效、绝对化承诺、贬低竞品、未授权引用他人受版权保护的成段内容。
3. 答非所问线：内容偏离选题承诺，比如标题承诺教程、正文写成概念科普。这类稿子总分再高也该退，因为它承接的搜索意图是错的。

怎么用：抽检制，而不是每篇全量打分

五个维度全打分是有成本的，全量打分会让审核变成新的瓶颈。建议分两档运行：

第一档，全量快检。每篇内容发布前只查三条拒收线，这是底线动作，一篇大约两三分钟。第二档，抽样全评。每批内容固定抽一部分做五维全评——比例由团队按人力定，原则是：新提示词或新 Skill 上线初期抽得勤，流程稳定后降低频率，但任何时候对高曝光位内容（首页、付费投放落地内容）保持全评。抽检的价值不在覆盖率，在于让每一批产出都知道"如果认真查，会查出什么"。

打分结果要留痕：日期、内容标题、五个维度的评级、退回理由。攒下来的记录有三个用处——同一维度连续触线说明上游提示词有结构性缺陷；总分分布能看出质量是在涨还是在跌；新人接手审核时，历史记录就是校准教材。

一个打分示例

假设一篇《跨境电商物流怎么选》的 AI 稿进入抽检。事实准确：文中"某某国清关平均三天"无来源，触编造事实线，直接退回——不进入后续打分。修正来源后复检：事实达标；信息增量部分达标，有两条一线避坑经验但不足三处；结构达标；品牌一致性达标；可执行性不达标，选型建议只有"综合考虑时效和成本"没有判断步骤。综合判断：退回修改可执行性部分，一次定向修改后可发。整个过程有记录、有理由、有明确的修改指令，这就是评分标准相比"感觉不行"的实际差别。

FAQ

这套评分卡适用于哪些内容形态？

五个维度对文章、社媒帖子、邮件、落地页文案都适用，但权重应按形态调整：社媒内容可下调结构与可读性权重、上调品牌一致性；教程类内容可执行性应提到最高。改权重前先跑两三周，用实际退回记录校准。

AI 内容质量评分能全交给 AI 自己做吗？

可以让 AI 做初评，比如按评分卡逐维度给出评级和证据位置，但事实准确和合规两条拒收线必须人工复核。合理的分工是 AI 出初评和证据定位，人做终审和仲裁——这也符合 Vibe Marketing 里人负责判断与批准的基本分工。