最新

AI 怎么用评分表比较几份方案的优劣

几份方案摆在一起,最容易选中最会写的那份。讲清怎么把评分维度和权重先定死,让模型逐项打分并给出依据,再自己复核排序。

三份供应商方案摆在桌上,一份排版漂亮、一份写得很长、一份把风险都列了出来。凭感觉选,结果往往偏向排版最好的那份,而不是真正合适的那份。让模型按同一套标准打分,价值不在它给出的数字,而在于把「我觉得这份更好」拆成一条条可以核对的理由。

入口在哪

这不是某个按钮,而是提示词的写法。在同一个对话里,先把评分表写清楚,再给材料。评分表至少要有三样东西:评哪些维度、每个维度怎么算满分、最后怎么合成总分。少数办公套件里有方案对比模板,但模板只提供排版,标准仍要自己定。

材料多时可以直接上传附件让模型逐份读,也可以分批给,但每次都要重复同一份评分表,否则它会各自按不同标准打分。量大的时候把评分表存成一段文字反复粘贴,比每次重写更稳。

具体步骤

  1. 先定三到六个维度。少于三个会变成一句话判断,多于六个模型容易顾此失彼。
  2. 给每个维度写清楚什么算满分、什么不得分,比如交付周期两周内满分、一个月以上不得分。
  3. 定权重和总分,比如每项一到五分再按权重折成百分制,把算式写进提示词。
  4. 要求逐项输出三样:得分、依据、扣分点。依据必须引用原文里的具体句子或数字。
  5. 加两条约束:不许给所有方案相同或接近的分数,不许因为篇幅长、措辞好而加分。
  6. 要求最后给出排序、一句结论和风险最大的一项,再换一个材料顺序重跑一次。

几个坑

  • 只给维度不给标准。说「从技术、价格、服务三方面评估」,模型会各自理解什么叫好,两次结果能差很远。
  • 材料顺序影响结论。先读到的那份容易被当成基准,打乱顺序重跑一次就能看出来。
  • 分数挤在中间。模型倾向给四平八稳的分,几份都是七十几分,排序全看最后一位,这时要明确要求拉开差距。
  • 把篇幅当成信息量。写得长不等于想到了,写清楚约束和验收方式的短方案往往更该高分。
  • 引用是编的。模型常拼出一句看起来合理、原文里并不存在的话,每条依据都要回原文核一遍。

怎么验证

最有效的办法是自己先盲打一遍分数,再打开模型的输出对照。排序一致但分差很大,说明标准写得不够细;排序反了,先检查是不是有你了解、它看不到的信息,比如供应商的实际履约情况。

第二步是打乱材料顺序重跑,排序变了就说明存在位置偏差,可以把两份材料正反各跑一次取平均。第三步是抽查依据,随机挑五条回原文核对。最后拿一份已知很差的方案混进去当对照,它排到中上游,整套标准就该重写。

常见问题

分数能直接拿来定标吗

不能。它给的是基于文字的判断,看不到报价背后的付款条件,也判断不了履约能力。合理的用法是把它当初筛和提问清单:它标出的扣分点,正好是评审会上要追问的地方,决定仍然由人来做。

同一份材料两次打分为什么不一样

一是随机性,同样输入每次输出都有差异;二是上下文,前一轮聊过某个方案,后面判断会被影响;三是材料顺序。要提高稳定性,可以在新对话里重跑,把标准写得足够细。

方案里有不能外传的信息怎么办

先脱敏再喂:把公司名、人名、具体报价换成代号和区间,保留结构和逻辑。涉及价格的维度改成按档位比较而不是绝对值。对外部服务还要确认数据会不会被用于训练。

一句话总结:让模型打分的前提是把标准写死,它的分数只能当参考,但那些逐条写出来的依据和扣分点,才是真正省下时间的部分。