AI 评分标准打分和凭感觉评价经常被放在一起比较。选错了不会出大问题，但会多走弯路。

核心区别

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。

从原理看，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。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。

什么时候选评分标准打分

  • 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。

一个虚构的对比：一位培训讲师收到 20 份学员的演讲稿。她设计了“开场吸引力、结构、案例、结尾行动号召”四个维度，让 AI 逐份打分并引用原文。结果帮她快速找出共性问题：大多数学员的结尾没有行动号召，于是下一节课专门讲了这一点。

什么时候凭感觉评价就够了

任务简单、一次性、对格式没有严格要求时，凭感觉评价往往更省事。另外要注意，把 AI 的分数当作最终评价。更好的做法是：AI 评分适合辅助，重要评估需要人工复核。

如果选择评分标准打分，这样开始

  1. 把评分标准和待评对象一起交给 AI。
  2. 要求每个维度给分并引用原文说明理由。
  3. 汇总分数后让 AI 给出最优先的两条改进建议。
  4. 抽查几份结果，确认 AI 对标准的理解和你一致。

示范提示词

以退休人士的场景为例：

请按下面的评分标准，评价退休人士写的这份生活计划。
| 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 | 家人一读就懂 |
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]

使用时请注意：任何人索要验证码、转账都要警惕，AI 也不会需要你的银行卡信息。

一个常被问到的问题

能用来批改学生作业吗？ 可以作为辅助参考，生成初步反馈，但成绩认定应由老师决定，并注意学生信息保护。

结论

一句话：对质量要求高、愿意多花一点准备时间时选评分标准打分，临时的简单问题用凭感觉评价即可。两者也可以先后使用：先用凭感觉评价快速试探，再用评分标准打分打磨。

一个容易忽略的点

选择哪种做法，还要考虑之后要不要复用。只用一次的任务，多花十分钟准备未必划算；每周都要做的任务，花时间把评分标准打分用好，后面每次都能省事。

相关阅读