AI 推荐总有一个第一名？先检查决策权重稍变会不会翻盘
把三个方案交给 AI，它常会给每项打分，再推荐总分最高的那个。表格整齐不代表选择可靠：分数可能没有依据，两个指标可能在重复计算同一件事，权重也可能只是模型替你猜的偏好。更实用的做法是请它暴露这些假设，并检查结论对变化有多敏感。
AI生成概念配图
先筛硬条件，再谈喜好
设想一个虚构的摄影小组要选活动场地。场地必须满足已确认的人数、开放时间和必要设施，任何一项不满足就先排除或标为待核实。不要给“时间根本不开放”的场地扣两分后继续参赛，否则其他优点可能把一个不能用的方案重新推到第一名。
剩下的候选可以比较交通便利程度与场地适合程度。本文使用简化的加权评分演示思路：先约定每项一到五分的含义，再根据已知材料评分。分数体现特定决策中的偏好，不是客观测量，更不能在没有资料时让 AI 凭场地名称补出评分。
算一次，还要换一组合理前提
虚构候选甲的交通得五分、场地得三分；乙的交通得三分、场地得五分。若小组把交通权重设为六成、场地四成，甲得四点二分，乙得三点八分；将交通降为四成、场地提高到六成，结果就互换了。计算是明确的，哪组权重更符合小组目标却需要人来决定。
交通和场地各占一半时，两者都是四分。这个例子揭示了分歧：成员可能对“出行更轻松”与“拍摄空间更合适”的取舍不同。让 AI 宣布甲“综合最优”会掩盖分歧；说明“交通更受重视时甲领先，反之乙领先”才帮助大家讨论真正的选择。
评分的尺度也影响结果
英国政府多准则分析手册包含通过改变分数或权重检查排序的敏感性分析。本文借用这一原则做日常小型比较，并未复现完整专业评估。尤其要检查指标从最低到最高的实际差距：五分钟与十分钟的步行差别，和十分钟与一小时的差别，不能未经讨论都随意写成一分之差。
还要避免重复计分。若“离地铁近”和“通勤方便”主要依赖同一事实，同时给高权重就会放大交通影响。请 AI 指出潜在重叠，再由人判断是否合并。对未知设施应保留缺失或范围，不用平均分伪装成已经实地确认。
一段可直接使用的比较模板
可复用模板：下面是决策目标、候选方案和已确认事实。先列硬条件与缺失信息，再提出少量不重复的比较指标。每个评分都附依据，偏好权重由我确认。确认后计算加权结果，并改变一项关键权重或不确定分数，展示排名何时改变。不得编造事实或替我决定取舍；最后说明最值得补查的两条信息及它们可能改变什么。
对虚构小组而言，如果两处场地的开放时间都未确认，先问清开放时间可能比反复调权重更有效。如果硬条件已经满足，而成员只是偏好不同，就把两种权重下的结果一起展示，讨论是否轮换活动地点。模型不需要把每一次比较都压成唯一赢家。
留下选择理由和重新考虑的条件
最后写明采用的事实日期、权重、仍未解决的疑点，以及什么变化会触发复核。即使一个方案在多个合理假设下都领先，也只说明它在当前比较框架内较稳健。将实际体验补回下一次决策，比保留一张没有来源的总分榜更有价值。
