三重对齐自检
判断一个 AI 项目能否进入核心流程
从目标、价值、逻辑三项检查 AI 项目是否具备进入组织核心流程的条件。
三重对齐评分、最低分维度、项目修正动作
单独使用会留下个人工具记录；从企业/班级入口进入，会进入同一入口的数据池，便于团队复盘和组织议题追踪。
AI 项目常常有工具、预算和热情，却没有说清楚它服务什么目标、保护什么价值、遵循什么判断逻辑。三项任何一项缺失，项目都会在落地时被业务流程或组织信任挡住。
适合使用
- 准备让 AI 进入关键流程前
- 试点效果不稳定，需要判断问题出在哪
- 业务、技术、HR 对项目目标理解不一致
不适合使用
- 还没有明确项目对象的早期头脑风暴
- 只需要选择某个软件工具的采购评估
写清项目承诺
用一句话写出项目成功后，哪类人、哪条流程、哪个指标会改变。
目标对齐评分
评估项目是否绑定真实业务结果，而不是只绑定使用率、上线率或演示效果。
价值对齐评分
评估项目是否保护用户、员工和组织长期信任，尤其是涉及机会、评价和责任的场景。
逻辑对齐评分
评估 AI 的判断逻辑是否可解释、可验证、可复盘，而不是靠黑箱结果直接进入决策。
确定修正动作
选择最低分项，写下两周内必须补上的一个证据、规则或责任人。
- 1-2 分表示该项尚未进入组织语言。
- 3 分表示有原则但缺证据。
- 4-5 分表示能被不同角色复述并用于决策。
- 让项目负责人先写承诺，再评分，避免被已有方案牵着走。
- 如果三项都高但项目仍推不动，转入权力边界或接口契约工具。
- 把价值对齐讲成价值观口号。
- 用技术准确率代替逻辑可验证。
三重对齐评分表
目标对齐得分与证据填写提示
标准：给出 1-5 分，并说明 AI 项目是否已经被翻译成可验收的业务交付物。证据要包含交付物、用户对象、业务指标和验收口径。
示例：3 分。项目目标已经从“帮我选品”落到亚马逊套利选品侦察器（Amazon Arbitrage Scout）这条链路：先选择一个类目，系统扫描 Amazon 商品，按价格、评分、评论数、BSR 排名过滤，再尝试匹配 1688 货源并计算利润。但当前数据库样本显示 Dogs、Cats、Reptiles & Amphibians 等任务都是 amazon_count=10、match_count=0，目标还不能写成“筛出样品候选”，只能写成“跑通发现到匹配的可验证闭环”。
价值对齐得分与证据填写提示
标准：给出 1-5 分，并说明项目保护了哪些边界。重点看是否写清 AI 不该推荐什么、谁负责风险复核、哪些结果不能直接进入决策。
示例：3 分。团队已经意识到不能只追求利润，但边界还需要写成规则。下一版应明确排除侵权、仿牌、强监管、高安全风险、评价造假明显、售后风险极高的品类；即使短期毛利高，也不能进入候选池。
逻辑对齐得分与证据填写提示
标准：给出 1-5 分，并说明 AI 的判断是否可解释、可验证、可复盘。证据要覆盖数据来源、计算口径、人工复核和现实反馈。
示例：2 分。最低分项是逻辑对齐。项目已有 Amazon BSR 爬取、规则过滤、1688 匹配器、评分器、风险评估和静态趋势数据，但最近 scan_tasks 记录的 match_count 都是 0，results_json 为空数组。也就是说，Amazon 发现阶段有信号，1688 匹配、利润测算和结果沉淀还没有被真实数据证明。
修正动作
最低分项是什么？填写提示
标准：指出目标、价值、逻辑三项中最低的一项，并用一两句话说明为什么它最低。不要只写分数。
示例：逻辑对齐。真实项目已经能记录 Amazon 发现任务，但数据库样本显示 1688 匹配结果为 0，无法证明“Amazon 商品 -> 1688 货源 -> 利润估算 -> 推荐判断”这条链路已经跑通。
两周内补什么证据？填写提示
标准：列出两周内能补齐的具体证据，优先选择能验证最低分项的证据。证据要可取得、可检查、可复盘。
示例：补 4 类证据：第一，scan_tasks 中每次任务的 amazon_count、match_count 和 results_json；第二，1688 匹配失败的关键词、页面、cookies 或相关性过滤原因；第三，成功匹配样本里的 Amazon 价格、1688 价格、起订量、total_cost_usd、estimated_profit_margin；第四，风险评估输出里的 trademark_risk、certification_needed、seasonal 和风险扣分。
谁负责确认？填写提示
标准：写清最终确认人和分项确认人。小团队也要区分市场、供应、利润和风险四类责任。
示例：项目负责人总负责；技术负责人确认 Amazon 发现、1688 匹配、存储和任务状态是否真实跑通；选品负责人确认规则阈值是否符合当前类目的业务判断；供应链负责人复核成功匹配的 1688 货源、起订量和供应商信息；业务负责人只在出现有效匹配和利润区间后确认是否进入样品验证。
团队与组织数据沉淀
本次工具针对哪个团队、业务单元或组织流程？填写提示
标准：写到流程级，而不只是部门名。后续才能把多次记录归到同一条组织链路里比较。
示例：针对亚马逊套利选品侦察器（Amazon Arbitrage Scout）的全品类跨平台价差发现流程，重点覆盖 Amazon 发现、规则过滤、1688 匹配、利润估算、风险评估和结果沉淀；本次复盘使用宠物相关类目的真实扫描样本。
需要沉淀的组织事实、评分、分歧或决策是什么？填写提示
标准：把事实、评分、分歧和决策分开写。事实是已发生的情况，评分是本次判断，分歧是不同角色的不同看法，决策是已经约定的动作或边界。
示例：组织事实：真实项目已实现 Amazon BSR 采集、规则过滤、1688 匹配器、评分、风险评估、REST API 和 SQLite 存储；最近数据库任务在 Dogs、Cats、Reptiles & Amphibians 类目下均显示 amazon_count=10、match_count=0。评分：目标 3 分，价值 3 分，逻辑 2 分。分歧：先优化 Amazon 发现深度，还是先修复 1688 匹配闭环。决策：优先让一个类目产生至少 1 个可复核匹配结果，再谈样品验证。
下一次复盘用什么信号判断这个问题有进展？填写提示
标准：写出下一次复盘时可观察的进展信号，至少包含一个效率信号和一个质量信号。
示例：效率信号：同一类目能稳定完成 10 个 Amazon 商品发现和规则过滤。质量信号：match_count 从 0 提升到至少 1，且匹配结果包含 Amazon 商品、1688 商品、匹配分、价差、利润率、总成本和置信度。资产信号：每个匹配失败样本都有可复盘的失败原因。
建议记录
- 这个工具针对的团队、业务单元或组织流程
- 本次讨论形成的关键事实、评分、分歧或决策
- 下一次复盘要观察的进展信号
沉淀价值
- 让一次工具使用变成可追踪的组织样本
- 帮助引导师比较不同团队的真实卡点
- 为后续测评、复盘和行动计划留下证据
- 目标低分进入业务锚点检验。
- 价值低分进入组织 AI 宪章起草卡。
- 逻辑低分进入人机链路五步法。
- 在企业/班级入口后台导出本工具记录，用于团队复盘、组织问题归档和后续行动追踪。