让 AI 整理方案取舍：先找被全面超过的选项，再讨论偏好

10-01 3阅读

面对几套各有优点的方案，AI 常被要求立刻选一个第一名。另一个有用的起点是：先找出有没有方案在全部已列指标上都不更好，并且至少一项更差。这样的检查不需要先编一组权重。

AI生成概念示意图：不同方案保留不同特征；卡片内形状仅为装饰，不是正文指标图、实际评测或真实产品比较。

先写清比较什么，以及哪个方向更好

以下讲义方案、页数与主题数量全部是原创虚构教学设定，没有真实制作、调查或阅读测试。假定当前只比较两项：页数越少越好，完整覆盖的主题数越多越好。

主题来自同一份九项清单，每项必须含定义和例子才算完整覆盖。设甲为十二页六项，乙为十页六项，丙为十四页九项，丁为十页五项，戊为十页六项。这些数字是模型输入，并非实测效果。

请 AI 在比较前复述方向，尤其别把“页数更多”自动理解成内容更好。不同指标的偏好方向由当前目的决定，也必须保持一致，不能遇到不同方案时临时改变规则。

乙与甲覆盖同样六项，但乙少两页；乙与丁页数相同，但乙多覆盖一项。按这两项标准，乙分别支配甲和丁：所有指标都不差，至少一个指标严格更好。

乙与丙则不可比。乙更短，丙覆盖更多，两边各胜一项。仅凭这两项数据，无法说某一方全面优于另一方。请 AI 保留这对取舍，不要为了交出单一答案而暗中加入权重。

乙与戊两项完全相同，没有任何一项严格更好，因此彼此都不构成这里定义的支配。可以把它们归为同一个指标组合，但不能据此认定两份讲义内容相同，更不能直接删除其中一份文件。

逐对比较后，未被其他方案支配的是乙、丙、戊。它们构成当前候选集合中的非支配集合，也就是这里说的帕累托前沿；“留下来”不等于已经找到最终最佳方案。

让 AI 输出每个被排除项，以及一个具体支配它的方案，再并列显示两项原始值。人工只需逐项检查“不差”与“至少一项更好”，就能复核这次排除是否符合规则。

例如对甲写“乙：十页不多于十二页，六项不少于六项，页数严格减少”。比起“乙综合更优”，这样的理由更容易查错，也不会让读者误以为已经评估了字体、易读性或印刷质量。

若新加入己方案，十一页覆盖七项，它与乙互有取舍，与丙也互有取舍，因此也会留下。前沿可能有好几个选项；候选增加以后要重新比较，不能把先前留下的名单当成永久结论。

如果另有最多十二页的硬限制，应先排除十四页的丙，再对剩余可行方案比较。硬限制表示不能接受，指标偏好表示在可接受范围内希望更好，二者不能混成一个模糊的总分。

缺少页数或覆盖数量的方案，应标成资料不足，不能填零后参与比较。若某项数字只是预计，也应保留预计标签；AI 无法通过格式整齐把不确定输入变成已核实事实。

最后仍要由人决定愿意多用多少页换取更多主题，以及哪些尚未列出的因素很重要。增加可读性等新指标后，原有支配关系可能改变，所以排除判断必须限定在当时列明的标准内。

AI 在这里承担的是逐对核查和保留理由，把确定的劣势与真正需要偏好判断的取舍分开。验收者确认输入、方向、硬条件与遗漏维度，再决定最终选择，不能把非支配误读成质量认证。