评分标准打分是先定义一套评分维度和等级描述，再让 AI 按标准给文章、方案、答卷或回复打分并说明理由。它能把“感觉还行”变成可比较、可追踪的评价。下面从概念、场景、步骤到模板，一步步带你上手。

评分标准打分是什么，为什么有效

它之所以有效，是因为有了明确的等级描述，AI 的评价就有了参照物，不同对象之间可以横向比较；理由部分还能直接转化为修改意见。与凭感觉评价相比，凭感觉评价快，但不同时间、不同人的判断难以一致；评分标准让评价有据可依、可比较，也更容易转化成改进建议。

评分标准的难点在于“3 分是什么样”。1 分和 5 分往往容易描述，中间档最容易模糊。写等级描述时，尽量用可观察的特征，比如“结论出现在第一段”，而不是“结论比较清楚”。描述越可观察，AI 和人的评分越一致。

适用场景

  • 批量评估多份作品，比如作文、简历、客服回复。
  • 需要给出有依据的反馈，而不是笼统的好坏。
  • 对比修改前后的版本是否真的变好。
  • 团队内部需要统一的质量标准。

怎么用：6 步上手

  1. 确定 3 到 5 个评分维度，例如内容、结构、表达、准确性。
  2. 为每个维度写出 1 分、3 分、5 分分别是什么样子。
  3. 把评分标准和待评对象一起交给 AI。
  4. 要求每个维度给分并引用原文说明理由。
  5. 汇总分数后让 AI 给出最优先的两条改进建议。
  6. 抽查几份结果，确认 AI 对标准的理解和你一致。

可直接复制的提示词

下面以程序员的工作场景为例，方括号里的内容换成你自己的信息即可：

请按下面的评分标准，评价程序员写的这份技术方案文档。
| 维度 | 1 分 | 3 分 | 5 分 |
| 结论清晰 | 找不到结论 | 有结论但靠后 | 开头即给出结论 |
| 依据充分 | 没有依据 | 部分有依据 | 每个判断都有依据 |
| 读者友好 | 术语堆砌 | 偶有难懂之处 | 技术负责人一读就懂 |
输出：每个维度的分数 + 引用原文的理由；最后给出两条最值得优先修改的建议。
材料：[粘贴]

效果示例

以下内容为虚构示例，仅用于说明效果：

示例输出（虚构）：结论清晰 3 分——结论出现在第三段“建议推迟上线”，应移到开头；依据充分 4 分——成本数据有来源，但用户影响缺少数据；读者友好 2 分——“灰度”“回滚”未解释。

新手最常犯的两个错误

  • 容易犯的错：没有等级描述只说打 1-10 分。更好的做法：为关键分数写出具体描述，AI 打分才有依据。
  • 容易犯的错：维度太多。更好的做法：控制在 3 到 5 个，抓住最重要的质量要素。

上手后的小技巧

  • 先用两三份已知好坏的样本校准，看 AI 的打分是否符合预期。
  • 让 AI 给出“如何从 3 分提升到 5 分”的具体改法。

一个常见疑问

AI 打分稳定吗？ 同一份材料多次打分可能有小幅波动，固定标准、给出样例和要求引用原文都能提升稳定性。

提示词技巧的共同点是把你脑子里的隐含要求说出来。AI 不知道你的读者是谁、标准是什么，写得越具体，它越少猜测。

下一步

入门之后，可以看看评分标准打分的进阶技巧和常见错误，再结合自我批改一起使用。

相关阅读