四类交付物都要列明
只交一个能跑的系统不算交付完整：知识底稿、评测集、部署与运维说明同样要交接。缺知识资产，半年后没人改得动；缺评测资产，换一次模型就无法判断好坏，等于每次迭代都在赌运气，而赌输的代价通常由业务方承担。
验收标准写成动作
把「回答准确」改成「抽取若干条真实问题，由业务复核人逐条判定对错，错答须归入预设的原因分类」。写成动作与抽检比例，验收当天才有可执行的核对方式，否则双方各自引用不同口径，讨论半天也不会收敛。
抽检口径提前定
抽多少条、谁来抽、判定不一致如何裁决，都要写进合同附件。样本应覆盖高频、边缘与应拒答三类，只抽高频样本会掩盖问题，验收结果看起来很漂亮，上线后却在长尾场景集中出错，用户投诉反而更集中。
拒收与整改条款
明确什么情形可以拒收、整改几轮、每轮多长、超期如何处理。没有整改条款的验收往往变成无休止的讨论会，供应商无法结项，业务方也拿不到可用系统，双方的时间与预算一起被消耗，最后只能各退一步了事。
资产归属与可迁移
代码、提示词、知识库、评测集与账号权限归谁，应写在验收清单靠后的条目里。归属与迁移方式不清时，更换供应商要重做一遍，迁移成本通常高于当初的开发投入，而且无法在立项阶段预估；议价空间也随之消失。
适用与不适用
适合谁
- 正在制定采购合同与验收条款的甲方团队
- 需要向内审或审计解释交付完整性的项目
- 首次引入外部 AI 交付、缺少验收经验的企业
不适合谁
- 只按功能截图验收、不设任何抽检环节的采购
- 尚未确定场景就要求供应商承诺完整交付的项目
典型场景
某集团采购一套合同审阅辅助系统，验收小组由法务、IT 与采购三方组成。第一天按清单核对交付物，发现知识库只有初始版本、没有更新说明；第二天按约定抽检样本，逐条记录判定与分歧。整改两轮后补齐台账与迁移说明，验收单才签字，并把整改项写入后续运维考核。
可执行步骤
- 按四类交付物列清单，逐项写清格式、存放位置与责任人签收方式，避免验收当天才发现缺项
- 把验收标准改写成可抽检的动作、样本量与判定口径，并由双方复核人共同确认后写入附件
- 约定抽检样本的覆盖类型，明确高频、边缘与应拒答三类各自的抽样比例和最低数量
- 写明整改轮次、每轮时限、拒收条件与相应费用处理，作为合同附件同步签署生效
- 核对资产归属、账号移交与迁移说明的完整性，并由内部运维实操一遍确认可独立运行
常见坑
- 只验收系统功能，不验收知识资产与评测集，半年后模型升级时没有任何可用的对照基准，改与不改都无从判断。
- 抽检样本全由供应商挑选，覆盖不到边界与应拒答场景，上线后错误集中在未抽样区域，验收结论与实际表现严重脱节。
- 合同没有整改条款，验收会开成讨论会，项目周期被无限拉长，供应商最终低价结项了事，问题留到运维期才暴露。
- 账号与密钥留在供应商手里，交接时才发现无法独立运维，每次改配置、查日志都要另外付费，成本逐年累积。
自检与验收清单
- 四类交付物是否逐项列明、格式明确，并有人签收确认
- 验收标准是否可抽检、可复现，判定口径是否双方统一
- 抽检样本是否覆盖高频、边缘与应拒答三类并留存备查
- 整改轮次、每轮时限与拒收条件是否已书面化，并写进合同附件
- 资产与账号是否完成移交，内部能否独立运行与排障
常见问题
验收标准能写准确率吗？
可以写，但要同时写清样本来源、判定人与分歧处理方式，否则数字无法复现。更稳妥的做法是按错误类型设阈值，例如越权回答、编造条款这两类应要求零容忍，其余类型允许一定偏差并在文档中说明理由。
知识资产到底包含什么？
通常包括制度与流程的整理稿、术语表、常见问题与标准答案、更新责任人与更新频率。它是系统长期可用的基础，验收时应与代码同等对待，不能只交一个初始版本就算完成，否则半年后就无人能改。
验收不通过怎么办？
按合同进入整改轮次，整改期内一般不进入运维计费；连续两轮未达标的，可依约部分拒收或终止。建议把这两种情形的处理方式提前写进合同，避免临场谈判时没有依据，也避免拖成长期僵局。