AI修图抽查台账：批量三百张，我抽三十一张
先说结论：批量AI修图的质量上限不取决于模型，取决于你有没有一套抽查制度。三百张的批量单我只人工抽三十一张，错误率从第一周的19%压到第三周的4%，这套台账怎么记、比例怎么定，这篇全部摊开。
AI修图抽查这件事，是我被一张上了首页的废图教育出来的。去年大促，店铺批量修了三百多张餐具图，AI跑批一晚上搞定，我扫了两眼缩略图就全部上架。三天后运营同事敲我：首页那张大盘子的边缘是椭圆的——AI把圆盘重绘成了微扁的椭圆，三百张里独一份，偏偏它上了首页。那晚我把三百张全量倒查了一遍，又花一周把抽查制度建了起来。
抽检比例怎么定，不是越多越好
抽检总量定在一成上下，三十到三十五张，关键位置必抽、参数组分层各抽，剩下靠随机补齐。抽检的意义在覆盖错误类型，不在堆数量。
一成这个比例不是拍脑袋。全量倒查那次我统计过，三百多张里错图十九张，分布毫无规律，纯靠多抽的话，抽一百张也未必把错误类型抽全。后来改成三层结构：首图必抽，因为首页和详情页第一张的曝光占了大头，废一张顶十张；每个参数组固定抽两张，同一组参数的错误是连片犯的，抽两张足够暴露；最后按图号随机补齐到三十一张左右。三层抽完大约二十分钟，比全量倒查省一个通宵。
比例定下来之前我还试过另一种偷懒方案：只看首图加随机十张，二十张跑完不到十分钟。跑了两周，第二批漏掉一张参数组连片错误——色温漂移那组的图全组偏蓝，随机十张恰好一张都没抽到那组。从那以后参数组分层成了铁律。随机抽样听天由命，分层抽样听制度的。
有人建议干脆抽两成更保险，我试过一周，发现多出来的时间全花在重复确认「同样的错误」上。抽检要抓的是错误类型，不是错误张数。类型抓全了，改动参数治的是整批；类型漏了，抽五成也白抽。
错误台账，比抽检本身更值钱
抽出的错图逐张记三列：图号、错误类型、处理结果，按周复盘一次，台账会直接告诉你该改哪个参数。错误重复出现的位置，就是制度的漏洞。
台账我用最笨的表格，三列，第一周记下来就有意思了。三十一张里错六张：透视变形两张，色温漂移三张，纹理涂抹一张。六张错图指向的参数改了两处——重绘幅度从0.35压到0.28，色温锁定从可选改成必开。第三周再抽，错误率掉到4%，三十一张里只错了一张，还是个新类型：反光面被AI补了假高光。你看，台账的用处不是记录，是排雷：每一条重复出现的错误，都对应一个可以一次性改掉的参数。
台账的记法我迭代过两版。第一版只记图号和错误，复盘时发现没法定位问题出在哪道工序；第二版加了第四列「发生环节」，错误一下就有了归属：重绘环节的错改重绘参数，调色环节的错改锁定项。一列之差，复盘从猜谜变成了查表。台账还帮我干成过一件事：拿三个月的错误率曲线去要了半小时的跑批前预检时间，19%到4%的曲线摆在那，谁看都服气。数据这种东西，记下来才有资格替你说话。
台账还有个副作用是我没料到的。因为要记「错误类型」，抽检时人会看得格外认真，随手翻两眼的糊弄式抽检根本存不下来。后来我把台账模板发给两个同行，一个坚持下来了，错误率跟他说的那样一路往下走；另一个嫌麻烦，上个月又被平台提示图片与实物不符。工具不分高低，分高低的是记不记。
批量出图的合规底线也得放在这说一句。抽查拦的是废图，拦不住越界的图，修饰尺度该怎么定，我之前写过一篇餐饮外卖图整顿：平台整治照骗之后，平台对「照骗」的容忍线一直在收紧，抽查制度里最好加一条：与实物明显不符的图，发现即下架，不进返修流程。
那张椭圆盘子现在还压在我桌上的玻璃板底下，算是整套制度的花钱买的封面。抽检时间我固定在早上十点，刚上班脑子清醒，晚上抽检的错检率明显高——这不算严格实验，但我用自己的废眼背书。批量修图省下来的时间是真的，但省下的时间如果不分二十分钟给抽查，它会连本带利地赔回去。三百张抽三十一张，这买卖划算得没什么好犹豫的。
常见问题
抽检发现错图后，怎么补救最划算？
先判断错误是「连片」还是「散点」：同一参数组的连片错误直接改参数重跑整组，散点错误单独重绘。最怕的是把连片错误当散点一张张手修，白费一倍时间。
随机抽和分层抽到底哪种好？
分层必选，随机是补位。错误在参数组内是聚集的，纯随机抽很容易整组漏网，首图和参数组这两层先钉死，剩下的才轮到随机。
抽检台账要保留多久？
我按季度归档，保留一年。换工具、换参数、换类目时，旧台账就是你的基线数据，新制度的错误率降没降，全靠它说话。
一百张以下的小批量也要走这套流程吗？
走简化版：抽十张，首图必抽，错图口头记一笔不用建表。制度的意义随批量放大，十张图全量看完也就五分钟，抽检反而是绕路。