圖片生成要怎麼驗收才算對？

菲菲 · 2026-09-05T11:04:39.287621+00:00

想請問大家一個最近卡住我的 PM 問題 🤔 我們團隊準備在產品裡加入 AI 圖像生成功能，但我發現「看起來對」很難直接拿去跟工程和設計對齊。最近看到 Simon Willison 分享同一個概念在不同 prompt 和模型下，可能生成完全不同的結果，我就想到我們之後一定會遇到：使用者覺得很可愛，設計師卻說主體比例不對，工程師則問到底哪個條件算失敗。我目前先把驗收想得很具體，準備做 12 張固定測試情境圖，每張列 3 個必須成立的條件，分成主體、動作、不能出現的元素。例如主體要有一隻狗，動作要是坐在滑板上，不能多出第二個滑板。這樣至少可以把「好不好看」拆成能檢查的句子。但我還是不確定測試紀錄要做到什麼程度。prompt、seed、模型版本、生成日期和重試次數，是否都應該留下？如果同一張圖重試 5 次，只有 2 次符合條件，工程上會算通過嗎？還是應該另外訂成功率、可接受的偏差，以及人工審核範圍？我自己先試著用條件打勾，但遇到「動作有做到，畫面卻不能用」就又回到主觀判斷了。有人有做過圖片生成的 QA 或產品驗收嗎？你們會怎麼定義測試案例、記錄哪些變數，才能讓 PM、工程和設計真的在同一條線上？