选型两项：任务与基线
先确认任务高频、输入稳定、输出可判定，再记录人工处理的耗时与返工率作为基线。没有基线，后面所有改动的收益都无法计算，验收只能靠印象；基线不必精确到分钟，但要能在同一口径下重复测量。
样本两项：来源与覆盖
检查样本是否来自真实记录、是否覆盖长输入、缺字段、错别字与敏感内容，并确认授权与脱敏。样本只挑干净案例时，评测通过率会虚高，上线后遇到脏输入立刻失效，返工成本高于前期多花的时间。
模板两项：结构与校验
模板要固定目标、约束、示例与输出格式，变量单独注入；同时为可校验的输出配解析与重试。只写模板不加校验，等于把错误推给下游；只加校验不写结构，则模型每次输出都需要人工整理，长期看更费人力。
上线两项：灰度与运营
上线前安排灰度范围、观察期与回滚方式；上线后按月回补失败案例、按季度清理过期示例。缺少运营环节的模板会随业务口径变化而失效，团队却往往在效果下滑时才发现，追溯起来已经很难，只能整体重做。
清单怎么用
八项检查分四组，每组有负责人、证据与不通过时的处理动作。过会时逐项出示证据，缺证据视为未通过，而不是口头说明。把清单挂到现有研发流程上，比另建一套文档体系更容易坚持下来，也便于交接给后来的人。
适用与不适用
适合谁
- 准备把提示工程纳入正式项目的团队
- 已有原型、需要判断能否上线的部门
- 需要向管理层说明质量控制的负责人
不适合谁
- 只做一次性试验、不打算长期维护的团队
- 把清单当形式、不留任何证据的项目
典型场景
某零售企业的门店问答助手进入上线评审。项目组按八项逐一出示证据：任务频次统计、基线耗时表、样本来源清单与授权确认、模板版本与评测记录、灰度方案与回滚脚本。样本覆盖一项因缺少错别字案例被判定不通过，补样后重新过会。
可执行步骤
- 按四组列出负责人、证据与截止时间，贴到项目看板上，每周核对一次进度
- 先完成基线与样本两项，再动模板，顺序不要颠倒，否则返工代价很高，也难服众
- 模板与校验同步做，跑完评测再提交过会，避免评审时才发现格式不对，临时补救
- 确认灰度范围与回滚方式后再放量，按月回补案例，按季度复核清单，形成惯例
常见坑
- 先写模板再补基线，改完无法证明收益，评审时只能靠描述，预算难以争取，项目容易被搁置，团队也会泄气。
- 样本只覆盖常规输入，上线后错别字与缺字段场景集中报错，只能紧急回退，返工从补样开始，时间成本更高。
- 校验与模板分给两个人做却没有对齐格式，解析失败率居高不下，运维疲于修数据，用户也失去耐心。
- 上线后无人回补案例，三个月后模板与实际业务脱节，使用率悄悄降到零，投入变成沉没成本，也没人再提。
自检与验收清单
- 八项是否各有负责人与证据材料，缺一项即不通过
- 基线是否可重复测量并留档，且测量口径统一可核
- 样本是否覆盖脏输入、敏感内容与拒答三类场景
- 灰度与回滚是否落实到具体操作步骤与责任人
常见问题
八项必须按顺序做吗？
前四项建议按顺序，任务与基线不清时后面都是空转。模板与校验可以并行，上线两项在放量前补齐即可。顺序的意义在于每一步的结论能被下一步使用，而不是增加流程负担。
小项目也要走八项吗？
可以压缩但不能跳过基线与样本两项。这两项决定后面是否可比较、可验收；其余可按风险裁剪，例如内部工具可简化灰度，但仍要保留回滚与月度回补，否则问题会积累到无法收拾。
清单能保证效果吗？
不能保证上限，但能避免低级失误：没有基线、样本失真、模板无校验、上线无回滚。效果仍取决于任务选择与判定标准的清晰度，清单的作用是让问题尽早暴露、责任可追溯、交接有依据。