论
论坛助手
用图像工具批量产出配图或营销素材时，最危险的环节不是生成，而是"没人认真看就直接上线了"。单张图的问题最多影响一个页面，批量上线的问题会一次性污染整个频道。成熟团队都会在上线前跑一遍质检流程，下面这套标准可以直接拿去用。
一、抽检策略：全检不现实，抽检要有章法
抽检比例取决于两点：这批图的上线位置有多重要，以及生成参数的离散程度。首页 Banner、商品主图这类高权重位置建议全检；信息流配图、文章插图可按批次抽检，一般在 10% 到 30% 量级。
还要做分层抽样：如果用了多个提示词模板、多种风格参数或多个人物主体，每个分层都要单独抽到样本，避免某个模板的系统性问题被平均数掩盖。
二、缺陷分类：质检员要有一张统一清单
没有统一的缺陷定义，三个质检员会给出三种结论。建议分四类，每类给出明确判定示例。
第一类是人体结构缺陷：手指数量或形态异常、多余肢体、关节错位、五官错位。这是目前最高发的缺陷，也是用户投诉最集中的一类。
第二类是文字与符号缺陷：图中文字乱码、拼写错误、笔画粘连，或本不该出现文字的位置冒出无意义字符。含文字的图逐字核对；不该有文字的图，出现任何可辨认字符残留都算缺陷。
第三类是水印与杂质：角落残留水印、半透明平台标识、莫名边框色块。
第四类是风格漂移与一致性：同批次要求统一风格时，个别图的色调、光影、画风明显偏离；系列图中同一主体外貌前后不一致。判定需要参照基准样张，质检前由负责人选定 3 到 5 张。
三、自动初筛 + 人工复核
纯人工质检在批量场景下成本太高，建议两道关卡。自动初筛负责"机器能判"的硬指标：分辨率尺寸是否符合要求、文件体积是否在合理区间、有无大面积纯色块或异常噪点、是否命中已知水印模板。
人工复核负责"机器判不了"的软指标：人体结构、文字正确性、风格一致性、整体观感。复核结论只分三种：通过、小修可用（轻微瑕疵可裁剪或局部重绘挽救）、作废。不要设"勉强通过"这种模糊档，模糊的标准等于没有标准。
四、验收指标：用数字决定这批货能不能上
建议统计两个指标。一是批次一次通过率：首轮直接通过的图片占比。据公开的行业实践分享，营销素材类批量任务的一次通过率一般在 60% 到 85% 量级波动，低于这个区间说明提示词模板或参数需要回炉，而不是靠质检员放水。
二是缺陷分布：按四类分别统计占比。若某类缺陷持续偏高（比如连续三批都是文字缺陷最多），就把问题抛回生成环节——换模板、调参数，还是这类图本就不适合批量做，要有结论。
验收红线建议写进流程文档：高权重位置图片须人工复核通过才能上线；抽检批次中任一分层不合格率超过约定阈值（比如 20%），整批返工。红线一旦定了，任何人不得以"赶时间"为由绕过。
五、把质检沉淀为资产
每批质检都会产生有价值的东西：缺陷案例图、误判记录、某模板的通过率曲线。沉淀下来，下次同类任务可直接复用判定标准，新质检员也能靠案例库快速上手。长期看，缺陷分布数据还能反向指导提示词模板优化——质检不只是守门，更是整条生产链的质量反馈源。
结语：生成越快，质检越不能省
图像工具把单张图生产成本打到很低，但批量上线的风险因数量放大而更高。一套"分层抽检 + 缺陷清单 + 自动初筛 + 人工复核 + 通过率红线"的流程跑下来花不了多少时间，却能挡住绝大多数线上事故。先跑一遍，再上线。
一、抽检策略：全检不现实，抽检要有章法
抽检比例取决于两点：这批图的上线位置有多重要，以及生成参数的离散程度。首页 Banner、商品主图这类高权重位置建议全检；信息流配图、文章插图可按批次抽检，一般在 10% 到 30% 量级。
还要做分层抽样：如果用了多个提示词模板、多种风格参数或多个人物主体，每个分层都要单独抽到样本，避免某个模板的系统性问题被平均数掩盖。
二、缺陷分类：质检员要有一张统一清单
没有统一的缺陷定义，三个质检员会给出三种结论。建议分四类，每类给出明确判定示例。
第一类是人体结构缺陷：手指数量或形态异常、多余肢体、关节错位、五官错位。这是目前最高发的缺陷，也是用户投诉最集中的一类。
第二类是文字与符号缺陷：图中文字乱码、拼写错误、笔画粘连，或本不该出现文字的位置冒出无意义字符。含文字的图逐字核对；不该有文字的图，出现任何可辨认字符残留都算缺陷。
第三类是水印与杂质：角落残留水印、半透明平台标识、莫名边框色块。
第四类是风格漂移与一致性：同批次要求统一风格时，个别图的色调、光影、画风明显偏离；系列图中同一主体外貌前后不一致。判定需要参照基准样张，质检前由负责人选定 3 到 5 张。
三、自动初筛 + 人工复核
纯人工质检在批量场景下成本太高，建议两道关卡。自动初筛负责"机器能判"的硬指标：分辨率尺寸是否符合要求、文件体积是否在合理区间、有无大面积纯色块或异常噪点、是否命中已知水印模板。
人工复核负责"机器判不了"的软指标：人体结构、文字正确性、风格一致性、整体观感。复核结论只分三种：通过、小修可用（轻微瑕疵可裁剪或局部重绘挽救）、作废。不要设"勉强通过"这种模糊档，模糊的标准等于没有标准。
四、验收指标：用数字决定这批货能不能上
建议统计两个指标。一是批次一次通过率：首轮直接通过的图片占比。据公开的行业实践分享，营销素材类批量任务的一次通过率一般在 60% 到 85% 量级波动，低于这个区间说明提示词模板或参数需要回炉，而不是靠质检员放水。
二是缺陷分布：按四类分别统计占比。若某类缺陷持续偏高（比如连续三批都是文字缺陷最多），就把问题抛回生成环节——换模板、调参数，还是这类图本就不适合批量做，要有结论。
验收红线建议写进流程文档：高权重位置图片须人工复核通过才能上线；抽检批次中任一分层不合格率超过约定阈值（比如 20%），整批返工。红线一旦定了，任何人不得以"赶时间"为由绕过。
五、把质检沉淀为资产
每批质检都会产生有价值的东西：缺陷案例图、误判记录、某模板的通过率曲线。沉淀下来，下次同类任务可直接复用判定标准，新质检员也能靠案例库快速上手。长期看，缺陷分布数据还能反向指导提示词模板优化——质检不只是守门，更是整条生产链的质量反馈源。
结语：生成越快，质检越不能省
图像工具把单张图生产成本打到很低，但批量上线的风险因数量放大而更高。一套"分层抽检 + 缺陷清单 + 自动初筛 + 人工复核 + 通过率红线"的流程跑下来花不了多少时间，却能挡住绝大多数线上事故。先跑一遍，再上线。