≥80 分才放行：为什么质量门槛不能定 100 分

为什么质量门槛不能定 100 分

先把"定 100 分"这个方案的结局推演一遍。

第一天，所有产出都被拦下。团队觉得系统很严格，士气好。

第三天，有人发现返工三次仍然过不了，因为评分里有主观项，任何一份产出都能被挑出毛病。于是这个人开始找绕过路径：手动改分、走"例外"流程、或者干脆跳过评分卡直接发。

第三周，门槛还在，但已经没有产出真的从它中间过。门槛不是被违反的，是被绕开的。

这不是团队素质问题，是门槛设计的必然规律：一个永远无法通过的门槛，会被绕过而不是被满足。 所以质量门槛设计的第一原则不是"定得多严"，是定在一个能持续被满足、同时又能挡住坏产出的位置。

一、AI 产出不是二元的

定门槛之前要先接受一件事：AI 产出的质量是一条分布，不是"合格 / 不合格"两个桶。

同一条编队跑同一件活，产出的好坏会有波动。评分卡的作用是在这条分布上切一刀，把尾部切掉，让进入下一环节的东西有一个下限保证。

门槛保证的是下限，不是正确性。 这两件事必须分开，否则会把评分卡当成质量的全部保障。

我们线上用的是六维评分卡，≥80 分才放行，放行之后还要人再复核。这三个动作合起来才是一套完整的门：评分卡筛尾部，门槛定下限，人保正确性。少任何一个，这套门都不完整。

二、80 分不等于"八成正确"

这是最常被误读的一点。

80 分不表示产出里有 20% 的内容是错的。它表示六个维度上都达到了可接受线，且没有明显短板。

这个区别决定了一件事：评分卡的价值在于发现短板，不在于算总分。

举一个具体的例子。假设一份商品详情页的六维得分是 90 / 90 / 90 / 90 / 90 / 40。平均下来是 81.7，过线。但那个 40 分如果落在"参数准确度"上，意味着这份详情页里存在编造或错配的参数——这是上架类内容里最严重的问题，会直接导致平台驳回甚至处罚。

总分把它平均掉了。这是评分卡最危险的失效方式。

三、有两类问题不能被平均掉

所以在总分之外，还必须有一条硬线规则：任一维度低于硬线，直接不放行，不看总分。

哪几个维度需要设硬线？两类：

类型	为什么不能平均
客观对错类	参数、价格、规格这类，错了就是错了，没有"总体上还行"这一说
合规类	平台禁售词、绝对化用语、资质表述，命中即风险，与整体质量无关

这两类的共同点是：它们的失败是乘性的，不是加性的。 一份内容里 90% 都很好，只有价格写错了——它不是在好内容的基础上减分，它是完全不可用。

上架类内容我们单独有一条规则：不合格不放行，不允许编造参数。这条规则不看总分，它是一道独立的门。

判断评分卡设计得好不好，有一个很简单的方法：看它的维度能不能两两独立失败。

如果六个维度里有三个是"文案质量"的三种说法，那它们会一起好、一起坏，评分卡实际上是四维在打分，其中三维冗余。好的维度设计里，任意两个维度都应该能独立地失败——因为只有独立失败，才能定位到不同的失效原因。

四、门槛该怎么校准，而不是该定多少

80 不是拍出来的。校准方法是这样的：

第一步，先用历史产出来跑一遍。 把过去三个月已经交付、且事后没有出问题的产出，和出过问题的产出，都过一遍评分卡。

第二步，看两条分布。 没问题的那批会集中在某个区间，出过问题的那批会偏在另一个区间。门槛的位置应该切在这两条分布之间、并且偏向清晰的那个断点。

第三步，测两个错误率。

错误类型	含义	代价
误拦	合格产出被拦住	返工、人工介入量上升
漏拦	不合格产出被放行	交付事故、客户投诉

这两个错误的代价通常不对称。 内容类交付里，漏拦的代价是客户面前出事，比返工贵得多；所以门槛可以偏保守一点。但偏保守到什么程度，取决于你的人工兜底能力——如果放行后还要人再复核，门槛就可以适当放低，让评分卡专注切尾部，把"正确性"交给复核。

第四步，定期回看。 业务变了、素材来源变了、平台规则变了，分布就会漂移。门槛是校准出来的，不是设一次就够的。

五、门槛跑久了会出现的三个偏差

偏差一，分数通胀。 用同一个模型给自己打分，时间长了分数会慢慢往上涨。表现是过线率越来越高，但客户投诉没减少。处理方式是定期用人工标注的样本去校准评分，而不是只看过线率。

偏差二，维度权重僵死。 业务重点变了，权重没跟着变。比如某段时间平台的参数审核变严，那"参数准确度"的权重就该上调。权重长期不动，评分卡就在按过时的优先级打分。

偏差三，把过线当成了合格。 团队开始以"过线"为目标，而不是"做对"。表现是产出越来越贴近门槛而不越线，质量停在门槛水平不再提升。这是门槛的固有副作用，需要用另一套东西去对冲：定期抽检评分高的产出，看它们是不是真的好。

最后一条尤其重要。门槛能让一个团队稳定在某个水平，但它不会让团队变强。想让水平往上涨，还得靠抽检、复盘和明确的升级目标。

两个常被追问的问题

问：为什么不设 85 或者 90？

因为门槛的位置应该由数据决定，不由感觉决定。按第四节的校准方法跑一遍，如果发现断点落在 90 附近，那就定 90。定 80 只是因为在我们这类内容交付上，分布断点大致落在这个位置。换一个业务、换一个维度权重，答案可能完全不同。

问：≥80 放行了，还需要人复核吗？

需要。而且这不是"补一道保险"，这是分工。评分卡负责的是可自动判断的部分，人负责的是评分卡判断不了的部分——这份内容放到具体客户和具体平台上合不合适、有没有语境问题。评分卡替代不了这个判断，也不该试图替代。