版权与内容来源声明本文为原创整理。文中涉及官方文档、开源仓库、论文与公开报道的内容均在附表 A 中标注来源引用官方原文保持原样不作改写。文中命令、版本号与界面截图以本文成文时的实测/核验结果为准标注「待验证」的部分请以你本地环境实际输出为判断依据。本文不推荐任何不合规的软件获取方式也不对任何收益结果作承诺。转载请注明出处。1. 售前转大模型最先撞上的墙不是技术1.1 你最值钱的能力在 AI 项目里换了个用法你原来做技术销售、售前或解决方案手上最强的一张牌是「把客户模糊的诉求翻译成方案」。客户说一句「我们想要个智能客服」你能很快拆出场景、角色、对接系统和报价口径。这套能力转到 AI 大模型方向依旧值钱——只是用法要从「翻译诉求」往前多走一步。1.2 翻车的根源把「效果」直接写成了功能最容易翻车的地方是你习惯把「客户想要的效果」直接写成功能清单。到了验收那天客户说「这跟我想的不一样」你说「功能都做了啊」。两边对「算不算做完」各说各话项目卡在中间。问题不在你不会写方案而在 AI 项目的「做完」比传统软件更难定义。模型输出有随机性同一句话问三遍可能三个样客户心里的「好」往往是感受不是指标。举个很有代表性的例子客户要「智能写周报」你列了功能——能读取项目系统、能生成结构化周报、能推送给主管。PoC 做完客户说「这写的不是我想要的重点感觉差点意思」。你说「功能都齐了啊」。问题就出在你验的是功能在不在客户验的是「写得好不好」而「好」从来没被定义成可勾选的条件。1.3 先认清两个词PoC 与验收判据PoC英文 Proof of Concept是「正式投钱做之前先用一个小规模版本验证这条路走不走得通」。验收判据就是双方提前约定好的「满足哪些条件就算这一关过了」。本篇的落点是PoC 阶段最该先写清楚的不是功能而是边界与验收判据——什么在范围内、什么明确不做、什么条件下算通过、失败时怎么算。2. 功能清单 vs 边界说明差别在哪2.1 功能清单回答「做什么」边界说明回答「做到什么程度算完」传统项目里功能清单配合测试用例基本能验。AI 项目里光列功能会漏掉三件事模型的输出质量怎么算达标、哪些情况不算我们的事、跑偏了什么时候喊停。这三件事恰恰决定验收时吵不吵架。据 PMBOKPMI 的项目管理知识体系的做法范围说明里本来就要求同时写「验收标准」和「排除项」两项——前者告诉双方什么叫做完后者提前划清什么叫不归我们管。下面这张对照表把两类写法摆在一起。对比维度只写功能清单同时写边界与验收说明验收依据「功能都实现了」「功能实现 判据达标 排除项未越界」质量定义主观感受「客户满意」可勾选或可量化的条件扯皮点集中在「这算不算我们要的」集中在「这条当初就写明不归我们」适合场景逻辑确定、输入输出固定的系统模型输出有波动、效果靠判据的 AI 项目2.2 一句话记住功能清单解决「做没做」边界说明解决「做没做对、做没做全、做没做偏」。售前转大模型先把第二类写扎实比多列十个功能更有用。3. 可直接套用的「AI PoC 范围与验收说明」结构3.1 六个字段先把骨架立住下面这六个字段是我建议你在任何 AI PoC 启动会上当场和客户对齐、并写进文档的。前两个交代背景中间两个定标准最后两个管住边界和兜底。填的时候有个小窍门目标场景只写一个主场景别把三个部门的需求揉到一起成功判据每一条都要能回答「怎么证明这条过了」答不上来的就还不够格写进判据。很多售前第一次写会觉得「排除项没什么可写」真到验收时才发现恰恰是那些没写的东西最容易变成争议。字段它要回答的问题写的时候注意目标场景给谁用、解决什么具体事只写一个主场景别贪全输入数据模型吃进来的东西长什么样写明格式、来源、是否含敏感信息成功判据满足什么条件算这一关过了要可勾选或可量化见第 4 章排除项明确哪些事这次不做见第 5 章比功能更该先写停止条件跑偏到什么程度立刻停触发即停不纠结人工兜底点哪些环节必须有人拍板见第 6 章定责任人3.2 一份空白模板把上面六个字段直接落成结构化文档复制就能用。poc_name:项目代号 / 一句话目标目标场景:使用者:谁在用要解决的问题:一句话不在本 PoC 验证的:写「见排除项」输入数据:格式:文本 / 表格 / 接口来源:客户提供 / 公开脱敏敏感信息:有 / 无如何处理成功判据:-指标:关键字段抽取准确率门槛:F1分数 0.85在留出样例上-指标:合规标注门槛:涉及金额必须出现「以官方文件为准」排除项:-多轮复杂推理不在范围内-截图 / 拍照识别后续再说停止条件:-连续 20 条样例触发合规红线即终止人工兜底点:-对外发布前由人复核-边界拿不准时由人拍板3.3 把判据拆成可跑的用例模板定下后每条成功判据最好再落成一条结构化用例给输入、给期望、给通过规则。这样验收时不是「凭感觉看」而是「按规则勾」。下面是一条样例纯数据不需运行。{scenario:refund_qa,input:我的退款多久到账,expected:回答中必须出现「以官方规则为准」字样,pass_rule:expected_phrase in output}4. 成功判据怎么写从「客户满意」到可衡量4.1 好判据与坏判据Anthropic 的官方评测文档里讲得很直接好的成功判据要Specific具体、Measurable可衡量、Achievable可达、Relevant相关它举的坏例子是「模型应该分类得好」好例子是「在留出测试集上情感分析模型 F1分数 不低于 0.85」。一句话——把感受换成条件。维度模糊写法坏可衡量写法好准确率模型回答得准在 200 条留出样例上关键字段抽取 F1分数 ≥ 0.85合规不要胡说涉及金额 / 法律的回答必须标注「以官方文件为准」缺标即判不通过一致性客户觉得稳同一问题连续问 3 次核心结论语义一致4.2 把判据交给代码而不是交给「感觉」判据一旦写成条件就能用一小段代码当门禁。下面这段没在本地跑过思路是先按「可自动检查」来设计能自动判的就别让人肉眼看。⚠️代码待验证defcheck_poc_pass(output:str,required_fields:list[str],min_len:int)-dict:missing[fforfinrequired_fieldsiffnotinoutput]return{pass:len(missing)0andlen(output)min_len,missing_fields:missing,}casecheck_poc_pass(答案见《操作手册》第三章先核对账户再处理,[答案见],20)print(case)4.3 合规提醒别替模型承诺效果这里要泼盆冷水。做售前容易顺手写「准确率可达某值」「效果有保障」但在 AI 项目里这不只不专业还可能踩线。《中华人民共和国反不正当竞争法》2025 年第二次修订2025-10-15 施行第九条经营者不得对其商品的性能、功能、质量、销售状况、用户评价、曾获荣誉、资质许可等作虚假或者引人误解的商业宣传欺骗、误导消费者。提醒一句这一条在旧版里是第八条2025 年修订后条号顺延为第九条第八条现在是商业贿赂。写方案引法条时留意版本。《中华人民共和国广告法》第二十八条广告以虚假或者引人误解的内容欺骗、误导消费者的构成虚假广告。《生成式人工智能服务管理暂行办法》国家网信办等令第 15 号2023-08-15 施行第四条五提供生成式人工智能服务应「提高生成内容的准确性和可靠性」。结论很明确判据是你和客户事先约定的验证条件不是你对外的效果承诺。把「保证做到」换成「满足以下条件即视为通过」既是职业分寸也是合规底线。5. 排除项与停止条件明确「不做什么」5.1 为什么排除项比功能更该先写客户提需求时习惯做加法「最好也能识别截图」「顺便接一下实时数据」。你不写排除项这些就会在验收时变成「你当初没说不做」。排除项的价值是提前把「不归本次 PoC 管」写进白纸黑字避免范围蔓延scope creep指项目边界被悄悄撑大。很多售前本能地想把功能写满觉得「给得多显得专业」。但在 AI PoC 里写清不做什么反而让客户觉得你懂行——因为你清楚模型的边界在哪里而不是什么大话都敢接。把「这次不做」摆上桌客户反而更信任你后面说的「这次能做」。PMBOK 的范围说明里「排除项exclusions」本就是和标准字段并列的一项作用正是「防止范围蔓延、统一预期」。5.2 排除项示例排除项说明多轮复杂推理本次 PoC 只测单轮问答多轮对话留到下一阶段非结构化图片输入仅接受文本工单截图 / 拍照识别不在范围内实时数据用截至固定日期的快照不接实时接口5.3 停止条件触发即停不纠结停止条件回答「跑偏到什么程度我们认输并重来」。它保护的是你的时间和客户的下次信任。常见写法连续若干条样例触发合规红线如模型编造政策条文立即终止本 PoC核心判据在限定样例上达标情况持续低于约定门槛转为需求重谈而非硬撑上线输入数据无法稳定提供暂停而非带病推进。PoC 范围与验收模板可套用版把第 3、5 章的六个字段整理成一份可直接复制的空白模板并附两个填好的样例。放在资料包里扫码即可获取6. 人工兜底点什么时候必须有人6.1 哪些环节模型不能自己拍板大模型擅长「生成」不擅长「担责」。凡涉及对外责任、边界判定、失败处置都得留一个真人节点。这不仅是稳妥也是前面那部《暂行办法》里「准确性、可靠性」要求的落地方式。人工兜底点不是给模型找借口而是把「谁负责」写进流程。没有指定责任人的兜底点等于没兜底——真出事时又会回到「各说各话」。6.2 人工兜底点示例环节为什么必须有人最终答复对外发布涉及客户名称、金额、条款模型输出需人复核边界判定拿不准是否在区间内时由人拍板而非模型自判失败处理触发停止条件后由人决定是否终止或重谈7. 一份模板 上线前自检清单7.1 把六字段串成一份样例以「工单自动初筛」为例目标场景是客服同事把用户文本工单贴进来PoC 只做「该转哪个部门」的单轮判断输入数据是脱敏后的文本工单成功判据是部门归类在 200 条留出样例上 F1分数 ≥ 0.85且输出必须附「建议转交」字样排除项是多轮对话与截图停止条件是连续出现编造部门编号即终止人工兜底点是对外工单由人复核后发出。7.2 上线前自检清单检查项是否满足目标场景写清了「给谁用、解决什么」□成功判据有数字或可勾选条件□排除项列了至少 3 条□停止条件写明了触发即停□人工兜底点指定了责任人□7.3 给售前的转型一句话你原来最会「翻译诉求」现在把这套本事往前挪一步在 PoC 启动会上先帮客户把边界和验收判据写清楚再谈功能。这步做扎实后面验收不吵、上线不慌也正是你从「卖方案」走向「交付可信 AI」的第一道分水岭。售前转大模型自查清单含样例第 7 章的自检清单外加一份真实项目的边界说明样例方便你照着改。放在资料包里扫码即可获取附表 A本文引用事实与出处对照表事实出处标题 域名 / 文号本文位置好的成功判据应 Specific、Measurable、Achievable、Relevant坏例「模型应该分类得好」好例「留出测试集上 F1分数 不低于 0.85」Define success criteria and build evaluationsdocs.anthropic.com第 4 章评测要先定义「什么算通过、什么算不通过」并把构造讲清楚What we look for in a wellbeing evaluationanthropic.com 官方 PDF第 4 章经营者不得对其商品的性能、功能、质量、销售状况、用户评价、曾获荣誉、资质许可等作虚假或者引人误解的商业宣传欺骗、误导消费者中华人民共和国反不正当竞争法 第九条2025 年第二次修订2025-10-15 施行主席令第五十号neris.csrc.gov.cn 法规库载全文效力状态「现行有效」第 4 章广告以虚假或者引人误解的内容欺骗、误导消费者的构成虚假广告中华人民共和国广告法 第二十八条wb.flk.npc.gov.cn 法规库 PDF 原文第 4 章提供生成式人工智能服务应提高生成内容的准确性和可靠性生成式人工智能服务管理暂行办法 第四条五国家网信办等令第 15 号www.gov.cn第 4 章范围说明应包含验收标准、排除项排除项用于防止范围蔓延PMBOK GuidePMI范围说明字段范围基线指南 projectmanagement.com.br 引 PMBOK 82025第 2、3、5 章附表 B术语速查表术语一句人话解释PoC正式投钱做大项目前先用小版本验证这条路走不走得通范围说明Scope Statement写清项目交付什么、不交付什么、按什么条件算验收的文档验收判据Acceptance Criteria双方提前约好的「满足哪些条件就算这一关过了」排除项Exclusions明确写进文档的「这次 PoC 不做的事」用来防范围蔓延停止条件跑偏到什么程度就立刻终止 PoC不硬撑人工兜底点模型不能自己担责的环节必须留真人复核或拍板范围蔓延Scope Creep项目边界被悄悄撑大做完才发现多了没人认的活写在最后这篇用到的资料写这篇文章时我把过去做售前最容易被客户牵着走的那股劲儿转成了「先把边界和验收判据写清楚再谈功能」的习惯顺手也整理了几份配套的东西大模型学习路线图从零基础到能自己动手做 Agent按阶段说明每一步该学什么、哪些可以先跳过《LangChain LangGraph MCP 智能体开发实战》视频课7 个模块从私有化部署、EmbeddingRAG 到 MCPAgent 全流程AI 大模型知识库在线可查Agent Skills 从入门到落地、Claude Skills 完全指南等专题按目录浏览即可640 套 AI 大模型行业报告 经典 PDF 书籍看行业落地案例和别人怎么做的时候用得上大模型零基础到精通教学视频跟着敲一遍比只读文档快得多资料是我自己整理的放在下面这个码上扫码即可获取添加时备注「AI」优先通过。资料按「先路线、再动手、最后查漏」的顺序整理好了建议先看学习路线那一份照着它挑一条适合自己当前基础的路径再往下看。
