先试错再铺开：AI 批量任务的返工控制节奏

对一批同类输入（100 个文件、多个模块、多段文案）用同一套 AI 流程时，最常见的两种”大批量”做法——一次性全量、横向铺步骤——都会在流程缺陷暴露时放大损失。本文给出”先单点试错、再纵向铺开”的节奏，把返工爆炸半径压到单个输入，并说明横向提效的启动前提。

为什么”大批量”做法会放大损失

反模式 A——一次性全量：直接把 100 个文件丢给 AI 跑完整流程。第 30 个文件格式特殊、流程中断——前面 29 个已跑完，但质量未验收，可能全要重来。你付了 100 份的 cost，只确认了流程”能跑”，没确认”跑得好”。

反模式 B——横向铺步骤（齐步走）：所有输入先统一做第 1 步、再做第 2 步……一旦输入 #7 在第 2 步暴露问题（依赖缺失/格式不对），#1~#100 的第 1 步都已执行，这些产出可能因 #7 的共性缺陷全部作废。一步出错，全盘返工。

两种做法的共同本质：在流程被验证之前，就投入了全部成本。

三种铺开节奏的取舍

✅ 纵向：输入1[步1→步2→步3 完成] → 输入2[…] → 输入3[…]
❌ 横向：所有输入步1 → 所有输入步2 → 所有输入步3

对还没跑稳的流程，”先试错 + 纵向”几乎总是更省——一次试错挡住 N 次返工。

核心节奏：三个动作

1. 单点试错（Pilot）：挑 1 个最典型的输入，完整跑一遍全流程，人眼验收质量（对照验收断言清单），OK 才铺开。
2. 纵向铺开（per-input）：每个输入独立跑完”步1→步2→步3”再看下一个。核心性质是故障隔离——某输入出错只影响它自己。
3. 横向例外：仅当批量跑过几轮、流程被断言锁死、输入同质，才值得横向提效；不默认横向。

三条设计规则：

1. 先试错再铺开——拿 1 个代表性输入完整跑完、人眼验收，确认 OK 才铺开。
2. 纵向独立推进——每个输入独立跑完整流程，某输入出错只影响它自己。
3. 稳定是横向的前提——被断言锁死 + 输入同质，才用横向提效。

这个节奏不是 AI 时代的新发明

它一直是工程与组织验证过的推广方式，AI 只是让它重新变成刚需：

• 基础模块重构：先在分支上做 refactoring，挑一个用户模块切入使用，验证跑稳后再全量切换。有了 AI 还是这个节奏——否则 AI cost 控制不住。
• 政策推进：先在小批量城市实施试点，评估好后再推广，最后才铺到全国。

生成得越快，错得也越快；铺得越大，一次流程缺陷的账单就越大。试点先行，从来不是慢，而是最省的快。

实操：把”跑对了”变成能勾选的断言清单

纵向节奏能不能守住，不靠意志力，靠把”跑对了”翻译成一条条可勾选的断言：

• 完整性：每个输入都有且只有一份输出，输入 ID 一一对上——没漏跑、没重跑。
• 格式：字段齐全、命名与结构符合约定；拿手写验收过的那 1 份样例逐项比对。
• 事实：输出里的专名、数字、引用与输入一致，没有 AI 自行脑补。
• 一致性：同类输入出现同类问题，处理口径一致，不出现”同题不同答”。
• 边界：空输入、异常格式输入有明确兜底输出，不静默跳过、不报错含糊。
• 可追溯：每条输出记录输入 hash 与流程版本，回头能定位是哪版流程产出的。

格式/结构类断言能用 diff、jq 这类命令脚本化，事实类保留人眼复核——这正是”跑了”和”跑对了”之间的那道闸。

# ✅ 纵向：一个跑完、验收过了，才轮到下一个
for input in batch/*; do
  run_pipeline "$input"              # 步1→步2→步3 一次跑完
  if ! run_assertions "$input"; then # 对照上面的断言清单
    echo "FAIL: $input → 只修它、重跑它，不牵连已完成的部分"
    break
  fi
done

一句话原则：验收不是”跑完了”，是”跑对了”。等连续几轮断言全过、输入同质，再写批量脚本也不迟；在那之前，1 份试错的成本永远小于 N 份返工。

效果与可追踪指标

• 试错成本：只花 1 份 cost，却挡住 100 份的潜在返工 → 单位产出成本骤降。
• 爆炸半径：横向一步出错全盘返工 → 纵向某输入出错只影响它自己。
• 验收确定性：”跑了”就算完成 → 用断言清单确认”跑对了”才放行。

可追踪指标：铺开过程中因流程缺陷返工/作废的输入数。横向/全量往往是 N 个，纵向通常被压到 1 个试错样本内。发布后可额外记录”试错样本与全量样本的验收通过率对比”，确认试错确实挡住了共性问题。

落地清单

• 挑 1 个最典型的输入，完整跑一遍并人工验收（对照验收断言清单）。
• 没问题就逐个体跑完，别”先全部预处理”。
• 每个输入独立推进，出错只修它自己，不牵连已完成部分。
• 连续 3 次无意外，再考虑批量/脚本化。
• 把试错成本算进总账：1 份试错挡住 N 份返工。
• 确认自己铺开时按”每个输入纵向跑完”，而非”所有输入齐步走步骤”。

总结与延伸阅读

• 大面积用 AI 前先单点试错：拿 1 个代表性输入完整跑完、人工验收，OK 才铺开。
• 铺开用纵向而非横向：每个输入独立跑完整流程，出错只影响它自己，爆炸半径最小。
• 稳定是横向的前提：流程被断言锁死、输入同质才横向提效；一次试错挡住 N 次返工。

下次要批量跑一批文件前，先挑最刁钻的那一个单独跑一遍，对照断言清单验收——过了再铺，返工成本会小得多。本篇是「AI 高性价比使用策略」系列的一篇，更多工程实践文章见站点知识库。