三条硬闸门：为什么「能生成」不等于「能批量」
这份文档解释 audit.py 的判据来源。判据全部来自实际交付中的失败与纠正，不是理论推演。
0. 问题的错问法
最常见的问法是「这个能不能用 AI 做」。这个问题没有答案，因为「能做」有三种互相矛盾的意思：
- 能生成 —— 模型能输出一个看起来像样的结果（今天的模型几乎都能）
- 能验收 —— 有人（或机器）能判断这个结果对不对
- 能规模 —— 每个案例的处理成本不随人头线性上升
绝大多数「AI 降本」的账算错，是把 ① 当成了 ③。
1. G1：有唯一正确答案或可核对的对照
判据：把结果给两个互不通气的专业人士看，他们是否给出相同结论？
- 通过：错音清单、乐理判分、对账差异表、发票金额校验
- 不通过：宣传文案好坏、封面图美感、视频节奏
不通过不代表不能做，只代表不能批量——每一份都要人看，成本随份数线性增长。
2. G2：失败可被自动检测
判据：出错时，不需要人看，系统自己能不能报警？
这条比 G1 更硬。很多任务有客观答案（G1 过），但没有可自动化的检测手段（G2 不过）：
- 例：一份工程方案里的参数与正文是否一致。答案客观存在（不一致就是错），但传统上只能人工逐条比对 → G2 不过 → 不可批量。
- 一旦写出一致性自检脚本，G2 就过了，任务立刻变成可批量。
推论：很多”不可批量”的任务，卡点不在模型能力，在缺一个检测器。造检测器往往比造生成器便宜，且更值钱。
3. G3：差异不会引出公平感比较
判据：两个客户拿到不同质量的结果时，会不会变成”凭什么他有我没有”？
这条最容易被忽略，也最容易把项目做死。
真实反例（已发生，代价是六位数的人力）：
- 设想：给每个学员生成一份专属成长纪录片，边际成本≈0。
- 实际：生成便宜，但验收贵——留哪段、要不要美颜、细节瑕疵，全是主观判断，只能人工。每条要精良才有传播性，成本根本降不下来。
- 更致命的：原本客户付费的锚是客观成果（考级证书：有标准、可量化、正向反馈）。加了主观的「专属视频」之后，锚变成了比较——客户开始比细节、比待遇，争议成本随人头线性增长。
- 净结果：不做没有损失，做了增加风险 → 负期望值。
据此得到的操作规则：判断一件事要不要做，先问「不做会损失什么」。答案是「什么都不损失」，就不要做——这比「ROI 为正」更严格。
4. 两条软闸门
- S1 输入数据可获取：拿不到结构化输入，模型只能猜。数据在纸上、在微信里、在别人系统里 → 先解决数据，再谈自动化。
- S2 人工判断占比：如果每一单里超过 20% 的环节需要人拍板，那这件事的正确描述是「人做，AI 打下手」，不叫自动化。按自动化立项，验收时必然扯皮。
5. 怎么用这份判据
- 把手上所有重复任务列出来，填进
tasks.json（字段见 README）。
- 先跑一遍，看哪些是
BATCH、哪些是 NOT_BATCHABLE。
- 对
BATCH 的任务，先做一个试点，用真实数据算节省，再谈铺开。
- 对
NOT_BATCHABLE 的任务，问一句：缺的是检测器，还是根本没有客观标准？ 前者可以工程化，后者不应该碰。
6. 免责与边界
- 工时节省是上限估计，不是承诺；试点实测才算数。
- 判据是筛子，不是证明。它只能告诉你「大概率不该做」，不能告诉你「一定能做成」。
- 涉及需前置资质的业务（金融、医疗诊断、代办证件等），先合规，再自动化。