OpenClaw建立输出质量评分表

OpenClaw 能帮助团队快速生成内容、整理资料或处理任务，但输出结果不能只靠“看起来还行”来判断。不同人员对质量的理解不同，有人重视字数，有人重视格式，有人重视事实准确，有人只看能不能交付。建立一张输出质量评分表，可以让 OpenClaw 的结果有统一检查标准，也方便持续优化提示词和工作流。

一、评分表先解决标准不一致

如果没有评分表，团队常见问题是：

• 同一类任务输出质量忽高忽低。
• 修改意见过于主观。
• 不知道提示词该优化哪里。
• 返工原因无法统计。
• 新成员不知道什么算合格。

评分表的作用不是把 AI 输出变成机械打分，而是把“好不好”拆成可检查项目。

二、确定评分维度

OpenClaw 输出质量可以从 6 个维度检查：

总分 100 分。不同任务可以调整权重。例如技术教程应提高“事实风险”和“步骤完整性”的分值，客服回复应提高“语气”和“风险承诺”的分值。

三、把评分项写成可判断问题

评分表不能只写“质量好”“表达清楚”这类模糊词，要写成可以判断的问题。

例如“信息完整性”可以拆成：

• 是否包含必要背景？
• 是否覆盖操作步骤？
• 是否说明验证方法？
• 是否包含异常处理？
• 是否说明限制条件？

“事实风险”可以拆成：

• 是否出现来源无法确认的数字？
• 是否编造价格、优惠或版本？
• 是否把推测写成确定结论？
• 是否存在过期功能描述？
• 是否缺少必要风险提示？

这样检查人员不需要凭感觉打分。

四、建立评分表模板

可以直接使用下面的评分表：

评分后要写一句结论，例如：

结论：总分 86 分，可使用。需补充两个排错场景，并删除一处无来源判断。

评分表不能只给数字，必须指出改进点。

五、不同任务设置不同合格线

不是所有输出都要求 95 分。内部草稿、资料摘要、客户回复、技术教程、公开文章的合格线可以不同。

建议合格线：

合格线的意义在于匹配使用场景。越接近公开发布，检查越严格。

六、用低分项优化提示词

评分表不只是检查工具，也是优化提示词的依据。如果连续多次在“事实风险”扣分，说明提示词需要增加“不要编造信息”“不确定时标注风险”等要求；如果总是在“结构格式”扣分，说明输出格式约束不够清楚。

优化方式示例：

问题：输出经常遗漏验证步骤。
提示词补充：每个操作流程必须包含“如何确认已成功”的验证方法。

问题：输出经常出现无依据结论。
提示词补充：无法确认的信息必须标注为“需核验”，不得写成确定事实。

问题：段落重复。
提示词补充：禁止重复解释同一概念，每个小节必须解决不同问题。

用评分结果反向优化模板，OpenClaw 输出会越来越稳定。

七、评分流程不要过度复杂

建议流程如下：

1. 生成输出。
2. 用评分表检查。
3. 标出扣分原因。
4. 修改提示词或补充输入。
5. 重新生成或人工修订。
6. 保留评分记录。

如果每次都写很长审核报告，团队很快就不会坚持。评分表要足够轻量，能在 5–10 分钟内完成一轮检查。

八、评分记录要能复盘

评分记录可以按日期保存：

任务名称：OpenClaw 教程生成
日期：2026-07-13
总分：88
主要扣分：事实风险提示不足、FAQ 问题重复
处理方式：补充事实风险说明，重写 FAQ
结果：通过

一段时间后，可以统计最常见扣分项。扣分最多的地方，就是提示词和流程最需要优化的地方。