对 AI 模板质量的判断，不能停留在“读起来不错”这种印象层面。模板的价值不在于一次生成的文字是否流畅，而在于它能否在反复调用中稳定地产出可以直接使用或只需少量修改的结果。因此，评估模板时，需要把主观感受拆解成可检查、可比较的维度。一套实用的做法是围绕五个方面打分：准确性、完整性、可执行性、一致性和修改成本。

五个评分维度

准确性考察输出是否只使用已知事实，有没有编造信息、填充未经提供的细节，或者把推测写成结论。对涉及报价、合同条款、竞品数据的模板，这一项尤其关键。

完整性看结果是否覆盖了任务本身要求的全部内容。一个写得准确却漏掉关键要点的输出，在实际交付中同样不可用。

可执行性判断读者能否直接根据输出采取下一步行动。例如，一封回复邮件是否说明了需要客户确认的问题，一份分析报告是否给出了可以继续验证的研究方向。

一致性反映输出是否符合既定的语气、术语和格式规范。模板的价值在于统一风格，如果每次生成的结构和表达方式都不稳定，复用的意义就被削弱了。

修改成本记录人工拿到结果后需要重写多少。几乎不需要改动、只需微调、必须大幅返工，对应的成本差异直接决定了模板是否值得继续保留。

用分数支撑迭代决策

每项按 0 到 2 分计，总分低于 7 分时，不应把模板标记为“已验证”。这个阈值的作用，是防止把“偶尔可用”误判为“稳定可靠”。出现低分后，先定位问题类别：是背景信息不足，还是变量定义不清，是输出格式太宽泛，还是约束条件缺失。每次调整只改一到两个变量或指令，再重新测试。只有通过对照测试确认改动确实带来了改善，才能把模板推进到下一个状态。

这套评分方法的真正用途不是给模板贴标签，而是把维护过程变成可复盘的流程。一个模板从“待测试”到“已验证”，中间经过的是多次评分、问题定位和单点调整，而不是一次性判断。这样沉淀下来的模板库，才能在无需过度人工干预的情况下持续支撑日常交付。