第4章　把生成候选做成可审校的节能提示卡

工作阶段： 形成方案。
公共核心项目： 完成“门店节能提示卡生成与审校器”，制作面向闭店交接员工的10秒静态SVG提示卡，使目标员工至少说出三项行动中的两项，并把生成候选变成有事实依据、规格记录、用户证据和发布结论的交付包。
核心技术： 生成模型适配器、离线候选回放、事实约束、候选比较、SVG确定性排版、规格校验、用户测试和权利审查。
输入输出链： 创意简报与事实清单 → 与平台无关的提示包 → 生成候选或离线回放 → 事实/规格/权利预检 → SVG预览 → 用户测试与人工审批 → 发布或阻断记录。
应用中的AI： 可替换的语言或多模态生成模型只负责提出候选；参考工程用明确标记的离线回放复现后续审校链。
协助开发的AI： 帮助检查简报、解释审计错误、生成限定补丁和补充测试的项目型AI助手。
人的责任： 确认传播目标和事实，作出创意取舍，核验授权与规格，对最终发布负责。
主要交付物： 任务合同、创意简报、事实清单、提示包、候选JSON与SVG、审计报告、用户测试表、人工审查表和发布决定。
明确边界： 不生成虚构节能数据，不冒用人物和品牌，不把模型输出当作已授权素材；正式发布前必须人工审核。
跨章关系： 使用第1章任务合同、第2章授权素材和第3章事实依据；第10—12章将把作品生产、审核和发布接入受控工作流。

学习目标

完成本章学习后，你将能够：

1. 将目标、受众、事实、规范和交付规格写成可执行的创意简报；
2. 组织语言与图像模型生成可追踪、可比较的候选方案；
3. 使用量规选择候选，并通过限定修改保持事实和风格一致；
4. 运行完整交付校验程序，检查SVG尺寸、安全区、事实文字、来源记录和用户测试字段；
5. 区分离线回放、真实模型输出和人工模板，不伪造生成来源与用户证据；
6. 结合用户测试、专业评审和权利检查作出发布、限用或退回决定。

项目导入

生成模型可以迅速产生文案、图像、声音和分镜，但专业传播的难点不是“得到一张图”，而是作品是否解决了明确问题，事实是否准确，不同媒介是否一致，文件是否符合交付规格，素材是否有权使用。一个吸引人的画面如果虚构了数据、把节能倡议写成强制规定，或无法用于指定版面，就不是合格成果。

本章完成一个具体产品：门店节能提示卡生成与审校器。目标受众是负责闭店交接的门店员工，作品是一张1080×1440像素静态SVG提示卡，必须准确呈现“关闭非必要照明、关闭非营业所需的空调和风扇、确认业务设备按规程正常关机”三项教学模拟事实；未参与制作的目标员工观察10秒后，应至少说出三项行动中的两项。生成模型只提出文案和视觉方向，普通程序完成可控中文排版和确定性检查。

核心工程不要求云端账号。generator_adapter.py定义统一候选接口；课堂默认读取明确写有is_model_output=false的教师离线回放。学生也可把提示包复制到获准的本地或云端模型，再用import_candidates.py导入；is_model_output必须是布尔值，来源是否已经由导入者核实另写在verification_status。完整工作流可接收候选包路径和所选候选编号；省略参数时仍回放教师候选并选择G01。离线回放只证明审校链能运行，不能证明任何模型的当前能力。

本章成果

• data/brief.json与data/facts.json：创意简报和可引用事实；
• generator_adapter.py与import_candidates.py：离线回放、可替换调用和人工复制粘贴入口；
• workflow.py：候选审计、SVG渲染、用户测试统计和发布门；
• notebooks/ch04_generation_audit_lab.ipynb：逐格观察完整链路；
• reports/reference_results.json、系统卡和真实的“不发布”参考结论。

AI协同开发路线

学生先阅读TASK_CONTRACT.md，检查简报中的目标、事实、规格和禁区，再运行离线回放看见三种候选怎样被不同规则拦截。随后可选择一个获准模型，通过复制粘贴或适配器产生新的候选，但必须记录模型、版本、日期和素材来源。学生亲手只修改G02标题，预测删除无来源比例后哪个检查会改变；再让协助开发的AI只补一条“标题为空”测试，审查差异并运行acceptance.py。真实目标用户和人工责任人的记录不能由AI生成。

第一节　把目标、受众、规范和交付要求写成创意简报

一、传播目标必须可观察

“宣传节能”“做得有科技感”不足以指导创作。本项目的目标写为：“制作一张静态SVG提示卡，让未参与制作且负责闭店交接的目标员工观察10秒后，能说出三项闭店行动中的至少两项。”目标可以通过用户测试核对，也不承诺没有事实来源的“节省30%用电”。

受众不是抽象的“所有人”。实训学生查看海报的距离、停留时间、常用语言和已有知识，会影响字号、信息数量与场景。创意简报应记录主要受众、使用地点、希望发生的反应，以及不面向的人群。作品若同时承担制度说明、情感动员和操作教学，通常会因目标过多而失焦。

二、事实、创意与推测分开管理

参考工程的facts.json明确标为教材模拟，只含F1—F3三项行动。创意可以决定如何组织视觉和语言；推测如“大家最在意电费”没有调查证据，不能伪装成事实。每个候选动作同时保留action_id与fact_id，程序可以检查是否漏项、改字或引用未知事实。真实发布时必须换成由业务责任人确认的有效资料。

模型可以提出“每一次关灯都让企业更美好”之类表达，但学生要判断它是否空泛、是否适合受众。涉及数值、荣誉、政策、功效和人物评价时，不能靠模型记忆。无依据数字直接删除或标为待确认。

三、把专业规范变成条件

创意简报至少包含：传播目标、受众、核心信息、事实来源、语气、视觉要素、禁用内容、渠道、尺寸、文件格式、截止时间、审核人和验收方法。若企业有视觉识别规范，应引用有效版本，提供获准使用的标志文件和安全间距要求，不让模型凭印象重画标志。

本项目规定提示卡为1080×1440像素SVG，顶部至少保留180像素安全区，标题不超过18个字符，必须标注“候选方案，经人工审校”。生成模型只提出结构、文案和视觉方向；workflow.py再用普通SVG准确排版中文。候选不得出现人物、企业标志、无来源比例、功效保证或来源不明素材。

四、建立规则基线

工程提供人工模板B01作为基线：规则网格、三项核验文字和项目生成的几何图形，不使用外部标志。它与生成候选运行同一机器检查。参考运行中B01和G01都通过机器检查，因此不能声称生成方案已经优于基线；还要比较真实用户理解和制作成本。

user_tests.csv初始只有表头，表示真实用户测试尚未发生；user_test_rehearsal.csv的5条演练记录全部标为非真实用户且无同意记录，程序不会把它们计入证据。生成式方案只有在真实理解度、适用性或制作效率上优于基线，同时没有增加不可接受的事实与权利风险，才值得采用。

第二节　让语言与多模态模型形成可比较的候选方案

一、先形成信息结构，再生成媒介内容

workflow.py先根据简报和事实生成与平台无关的prompt_packet.md。语言或多模态模型应提出三个在信息结构或视觉方向上真正不同的候选，并按统一JSON字段返回；学生先检查每种结构是否覆盖核心事实、是否增加未经证实的承诺，再进入视觉制作。此时只讨论候选，不让模型直接决定发布。

候选至少包含编号、标题、三项动作、事实编号、视觉方向、画布规格、披露语和素材权利记录。主视觉条件应描述主体、构图、色彩和安全区，不只堆叠“高级、震撼、科技”。中文动作由SVG程序排版，模型生成图像只可作为经授权、无文字的背景或图形候选。

二、记录模型条件与随机变化

生成模型在相同输入下也可能产生不同输出。真实适配器应记录候选编号、模型与版本、日期、提示包摘要、参考材料、随机种子或变体编号和人工备注。离线回放则必须明确记录mode=teacher_authored_offline_replay、布尔值is_model_output=false和独立的来源核实状态。人工复制导入也必须把“是不是模型输出”和“来源是否已核实”分成is_model_output与verification_status两个字段。没有来源记录，就不能比较模型或解释结果怎样产生。

工程用一个极小的适配器边界隔离平台变化：

class CandidateGenerator:
    def generate(self, prompt_packet: str) -> dict:
        """返回provenance和candidates。"""
        raise NotImplementedError


class OfflineReplayAdapter(CandidateGenerator):
    def generate(self, prompt_packet):
        payload = json.loads(self.replay_path.read_text(encoding="utf-8"))
        if payload["provenance"]["is_model_output"] is not False:
            raise ValueError("离线回放不得冒充模型输出")
        return payload

联网平台不是课程前置条件。需要真实模型时，可以实现CallableModelAdapter，也可以人工复制提示包后用import_candidates.py导入；密钥不进入教材工程。

若使用参考图，必须说明来源和允许用途。参考图可以帮助构图或物体一致性，但不自动赋予生成结果使用权。平台条款、单位规定和素材授权应在当前发布环境中核查，易变化的具体产品说明放入数字资源，不写进稳定正文。

三、候选要有真正差异

三张颜色略有不同的图不构成三种方案。参考回放故意提供三类可比较结果：G01完整且规格正确；G02加入看似有力却无来源的“节电30%”；G03省略动作并使用规格错误、来源未知的标志。它们既演示候选差异，也让学生看见“漂亮但不合格”的具体原因。比较时使用同一量规，不在看到结果后为喜欢的候选改变标准。

推荐量规包含：10秒理解度、事实准确、核心行动完整、视觉层级、渠道适配、品牌一致、修改成本和权利风险。高代价项采用否决制：事实失真、出现未授权标志或泄露隐私时，无论美观分多高都不进入下一轮。

四、理解生成模型的能力边界

语言模型依据训练中形成的模式逐步生成文本，多模态生成模型则把文字和参考条件转成图像或音频表示，再在一定随机性下形成结果。它们擅长提出候选，不知道企业当前有效的闭店规程，也不天然理解交付责任。输入条件控制可以提高符合度，却不能保证每个细节准确。

模型输出不是素材来源证明。即使平台允许某种使用，也要检查输出是否与已有作品、标志、人物或受保护元素过近。涉及声音时，还要避免未经授权的声音克隆。可识别个人的肖像与声音不得因“模型能生成”而被使用。

版权审查也不能简化成一句“这是AI原创”。项目组应分别记录输入素材、参考素材和最终输出的来源，核对权利人或提供者、许可用途、是否允许修改、是否要求署名以及发布渠道等条件。模型服务的使用许可、素材本身的版权许可和人物肖像或声音授权是不同问题，不能用其中一项代替其他项。无法确认时先停止发布，改用自有或许可清楚的材料；具体判断依照当前法律、单位制度和发布单位要求，由相应责任人完成。

第三节　围绕事实、风格和规格进行限定修改

一、把反馈转换成可验证的修改

“更有冲击力”无法验收。可执行反馈应指向对象、变化和保持项：“只调整主视觉构图，使上方25%区域没有高对比主体，供标题排版；保持场景、三类设备、色调和画幅不变；不要加入文字和人物。”生成后对照前后版本，检查未要求变化的部分。

语言修改也应限定：“把第二句压缩到20字以内，保留三个行动和来源语气，不增加节能比例。”如果AI顺便改变了事实或删掉关键条件，应退回而不是因为语言更顺就接受。

二、做一次控制变量实验

使用同一图像模型、同一基础描述、同一画幅和同一参考材料。A版没有标题安全区要求；B版只增加“上方25%保持低细节、无主体、无高对比元素”。生成相同数量候选，比较可排版候选数、主体完整性、人工修图时间和用户10秒理解结果。

实验前写出预测：B版可用安全区可能增加，但主体可能被压缩。若结果不理想，下一轮只调整安全区比例。不要同时更换模型、色彩、主体和画幅，否则无法判断哪项条件改变了结果。

三、让程序检查确定性交付条件

生成模型负责候选，普通程序负责动作是否完整、事实编号是否存在、文字是否含无来源比例、SVG画幅和安全区是否正确、素材权利状态是否齐全。workflow.py的主链把候选和简报送入同一个审计函数：

brief = read_json(DATA / "brief.json")
facts = read_json(DATA / "facts.json")
bundle = OfflineReplayAdapter(DATA / "candidates_replay.json").generate(
    build_prompt_packet(brief, facts)
)
audits = [
    audit_candidate(candidate, brief, facts)
    for candidate in bundle["candidates"]
]
for candidate in bundle["candidates"]:
    render_svg(candidate, output / f"{candidate['candidate_id']}.svg")

默认回放用于第一次学习，真实导入则通过同一主链运行：python workflow.py --candidate-bundle output/imported_candidates.json --selected-candidate-id MY01。--candidate-bundle决定审计哪一包候选，--selected-candidate-id决定哪一个候选进入用户测试、人工审批和发布门；候选编号不存在、重复或格式非法时明确停止，不能悄悄退回G01。

audit_candidate内部先比较A1—A3动作集合和F1—F3事实编号，再运行禁止表述正则、规格与权利字段检查。字符串写入SVG前使用HTML转义，防止候选标题被当作标签执行。完整实现和19项测试位于resources/ch04/project/。

参考运行得到：3个离线候选中只有G01通过机器检查；G02命中无来源比例；G03产生7个问题。人工模板B01也通过机器检查。这些结果只证明确定性规则的行为，不会证明画面美观、事实来源有效或素材真的有权使用。

四、审查AI修改的差异

候选文件较大时，至少比较缩略图、文件摘要、元数据和人工观察记录；文案、简报和代码使用逐行差异。每次限定修改后重新运行交付检查，并用同一事实表、风格量规和用户问题复核。修好尺寸却丢失生成记录，或改善画面却改变事实暗示，仍不算通过。

第四节　用用户测试、专业评审和权利检查完成交付

一、用户测试观察理解，不诱导答案

选择5—8名接近目标受众但未参与制作的同学，取得必要同意后展示作品10秒并移开，分别问：“你认为它希望你做什么？”“你记住了哪些动作？”“哪处让你困惑？”不要先解释作品，也不要只问“好不好看”。user_tests.csv记录匿名参与者编号、候选、展示时长、回忆的动作和困惑，不收集无关身份信息。

发布门先验证CSV表头和字段：匿名participant_id只能使用字母、数字、下划线或连字符，布尔字段只能是true或false，seconds_shown必须严格等于10，回忆行动只能是A1、A2、A3且不得重复。随后只统计is_real_target_user=true且consent_recorded=true的记录，并按唯一participant_id计数；同一参与者重复出现不能增加人数，而且会否决本轮发布。至少5名唯一参与者参加且80%能说出三项行动中的两项才通过。演练记录不能冒充真人证据。参考工程没有真实用户记录，因此这里必须得到“未通过”，这不是项目失败，而是系统诚实地指出下一项工作。

二、专业评审与用户喜好承担不同责任

用户可以反映是否看懂，不能批准事实、品牌和发布权限。专业评审使用事实来源、视觉规范、渠道规格和风险清单逐项检查；委托人确认目标，内容责任人确认表述，权利审核角色确认素材与生成记录，发布人员确认最终文件。角色可以由教师模拟，但责任不能在表中消失。

事实核查逐句进行：哪些是来源直接支持，哪些是创意表达，哪些需要删除或补证。权利检查记录输入素材、参考材料、平台条件、人物与声音、标志和输出相似风险。无法确认授权时，使用自有或明确许可素材重新制作。

三、专业迁移卡

专业迁移卡A：商贸商品页面
输入改为已确认商品参数、实物照片、库存与渠道规格；高代价错误是虚构功能、价格、评价或适用人群；交付物改为页面主图、卖点文案、移动端版式和事实核对表，由商品负责人、渠道运营和内容审核人员批准。用户测试重点是信息理解和购买误导风险。

专业迁移卡B：制造设备操作图解
输入改为指定型号说明书、现场照片和安全操作规程；画面必须准确表现部件位置，不能用生成图替代关键结构证据；高代价错误是步骤顺序、部件或防护要求失真。交付物为经技术人员校核的操作图解和版本记录，生成模型只可用于非关键背景或方案草图。

专业迁移卡C：生物科普卡
输入改为经审核的物种或实验资料、授权图像和目标年龄段；高代价错误是把示意图当真实观察、夸大因果或形成健康诊断暗示；交付物为注明“实拍、示意或生成”的科普卡、来源表和审稿记录，由学科指导人员确认。

四、形成交付包和发布结论

交付包包含任务合同、创意简报、事实清单、提示包、候选记录、SVG预览、修改差异、用户测试、专业评审、权利清单、系统卡和使用说明。源文件使接收方能够继续修改，导出文件只用于候选审查；未获得发布结论前不得当作正式海报传播。

在项目目录运行：

python acceptance.py

它检查必需文件、Python与Notebook主链，真实运行离线工作流和19项单元测试，再逐项核对完整参考报告。这组固定测试按任务性质分为四类：正常测试要求G01、人工基线B01和5名唯一参与者的合格记录通过；边界测试检查无来源比例、缺少一个行动、非真实用户记录、重复participant_id、非10秒展示和审批不完整；陌生测试检查未知事实编号、未知素材权利与非法字段；故障测试检查空素材、空候选导入、错误表头、非法来源类型和SVG文本转义。另有完整工作流测试证明候选包路径与所选编号确实控制发布对象。这里的边界不是“勉强算通过”，而是系统最容易误放行、必须明确处理的邻近条件。

参考运行的机器检查通过1/3，真实目标用户0人，人工批准0/4，最终明确输出not_ready_for_release。因此本章样板没有发布作品，也没有证明生成候选优于人工模板。学生完成真实测试与审批后才可产生新版本；若生成方案仍不优于B01，采用人工模板就是正确工程决定。

应当区分三个容易混淆的状态。G01“机器检查通过”只表示卡片完整呈现三项行动，且尺寸、格式、安全区、披露和素材登记等确定性条件在数据中齐全，不表示内容已获事实责任人确认，更不表示学生观察10秒后能说出其中两项。B01同样通过机器检查，说明生成候选没有天然优先权。发布门还要求至少5名已记录同意的唯一真实目标用户达到理解标准，并由事实、设计、权利和发布四个角色分别批准；演练表中的模拟记录、重复编号和pending状态不会被程序计入。

这也是完整生成式AI项目与“输入一句提示词得到图片”的区别。模型只承担候选生产，普通程序承担可重复检查，目标用户提供理解证据，专业人员承担不可外包的判断。若模型接口不可用，学生仍可导入人工制作候选并完成同一条审校链；若模型生成很漂亮却带有无来源比例、未知标志或遗漏行动，系统必须阻断。工程的价值不是确保作品发布，而是让每个停止理由可见、可追溯、可再次验证。

本章小结

本章把生成式人工智能放入了一个可运行的专业传播项目。简报先固定目标、事实和规格；可替换模型或人工复制粘贴路径提出候选；离线回放保证断网时仍能学习审校链，但不得冒充模型实测。普通程序检查事实编号、禁止表述、规格和记录，真实用户与责任人完成程序不能代替的理解、权利和发布判断。参考工程最终阻断发布，说明完整AI工作方法不仅会“生成”，也必须会停止。

关键术语

• 创意简报：对传播目标、受众、事实、风格、禁区、规格和责任形成的创作约定。
• 生成模型：根据输入条件产生文本、图像、音频等新候选内容的模型。
• 多模态条件：共同约束生成结果的文字、图像、声音或结构化信息。
• 随机性：相同或相近输入可能产生不同输出的生成特性。
• 候选方案：尚未批准、需要比较和审查的一组可能成果。
• 限定修改：明确修改对象、变化要求和保持项的小范围迭代。
• 安全区：版面中为文字、标志或裁切预留的低干扰区域。
• 用户测试：让目标受众完成观察任务，记录理解、困难和行为反应的检查。
• 权利审查：核对素材来源、授权、人物、声音、标志和发布条件的过程。
• 交付规格：对文件类型、尺寸、时长、命名、版本和渠道适配的确定性要求。

目标测试

1. 下列哪一项最适合作为本项目的传播目标？
   A. 做得震撼　B. 生成很多图片　C. 用静态SVG提示卡让实训学生在10秒内说出三项行动中的至少两项　D. 使用最热门模型
2. 为什么本项目用普通SVG程序排版中文和规格？
   A. SVG不能显示图形　B. 便于准确控制事实文字、尺寸和安全区　C. 模型不能生成颜色　D. 可以省去事实核查
3. 哪一项通过后仍不能证明作品可以发布？
   A. 文件尺寸机器检查　B. 权利审核　C. 事实复核　D. 委托人批准
4. 限定修改中“保持项”的作用是什么？
   A. 让模型自由重做　B. 降低无关变化并便于检查差异　C. 增加候选数量　D. 取消用户测试
5. 判断并改错：“模型生成的图像没有复制输入文件，所以天然不存在权利风险。”
6. 判断并改错：“用户都觉得作品好看，就可以替代专业人员对事实和规格的审核。”
7. 为一张10秒静态SVG门店节能提示卡写出创意简报中必须明确的六项内容。
8. 把“让海报更高级”改写为一个对象明确、可比较且包含保持项的限定修改要求。
9. 设计“只增加上方标题安全区”控制变量实验，写出预测、固定条件和三个评价指标。
10. 某候选在用户测试中理解度最高，尺寸合格，但画面含未经授权标志且文案加入无来源节能比例。请作出交付结论，说明最小修改、必须重测的项目和责任人。