让模型论证。绝不让它算数。
毁掉 AI 辅助分析最快的方式，是让模型做算术；浪费它最快的方式，是完全不让它评判。 可行的分工是：大语言模型评判，代码计数。在这里，三个评审角色阅读四家 （虚构的）候选上市企业，以文字和理由对评分标准逐项打分。所有数值—— 稳健中位数、视角权重、总分、排名——都由您可以审计的确定性代码完成。 切换视角，观察排名翻转；打开分歧队列，看清人工复核的时间应该花在哪里。
诚实 AI 说明。这 48 个评分与一句话理由由 Claude 在构建时起草——生产版本 也是如此运作：评判一次生成、随即缓存，昂贵且非确定性的步骤绝不会悄然重跑。本页上的 每一个数字都在您的浏览器中实时计算。用中位数，不用均值——一位情绪上头的评审能把 均值拉偏整整一分；而中位数需要三人中有两人达成一致。
记分板 每切换一次视角即重新计数
人工时间花在哪里 0 处分歧
01文字出自模型，数字出自代码
要求模型“给出一个百分制评分”，得到的是自信的噪声。问模型“这家企业能否熬过 一轮糟糕的周期，为什么？”，得到的才是判断。把算术——中位数、权重、排名——留在 每次运行结果都相同的代码里。
02分歧是信号，不是误差
当增长分析师给 5 分而怀疑派给 2 分时，不要平均成一个毫无意义的 3.5—— 把它标记出来。分歧队列是整个流程中价值最高的阅读清单：投资论点真正的栖身之处。
03缓存评判，重跑计数
评判昂贵且非确定性——一次生成、缓存、版本化。计数免费且精确——每换一个视角、 每调一次权重、每次审计都重跑一遍。正是这种分工，让一套 AI 评分流程在投委会或 监管机构面前站得住脚。
通俗释义（评分标准、中位数、视角、分差）
- 评分标准
- 每家候选企业都按同一组固定问题打分——问题相同，每次如此。
- 中位数
- 三位评审的中间值——不同于均值，对单个离群意见具有稳健性。
- 视角
- 一组命名的维度权重（均衡 / 质量 / 增长）。评判不变，优先级不同。
- 分差
- 评审最高分减最低分。分差 ≥ 2 时，该单元格将路由至人工复核。