分享下我最近在 AI 规范化输出上的一些实践。
现在有一个最简单的场景，我需要根据产品的参数信息使用 AI 生成产品标题（大约十个词左右），等标题生成后再调用本地的 Python 脚本来下载产品的图片，其中图片命名直接使用上一步获取到的产品标题。
我记得去年做这一套流程的时候，过程中是需要加入人工审核，且流程动作需要人工介入。
毕竟 AI 输出出来的文案内容，很多时候会含包含一些特殊字符（即便 Prompt 写得再精细也会出现问题），或者是输出质量不达标。
所以当时在做完文案输出后，我会人工审核一下内容有没有问题，一切正常的话再手动执行图片下载流程。
但是最近看了一些优秀的流程分享，尤其是深入了解了 AI 的结构化输出与函数调用之后，我发现过去那样的工作场景，现在再去优化时便可以做出非常流畅的自动化流程了。
这里有两种截然不同的思路。
第一种，继续沿用之前的 AI 生成逻辑，只不过在生成之后加上一道内容质量检查，只有检查完没问题后才可以执行下一步骤。
第二种，直接使用结构化输出的逻辑，强行要求 AI 模型必须按照既定的要求输出，且过程中可以给出参考范例供 AI 模型学习参考。
现在我更倾向于使用第二种思路，因为实际体验下来，这张思路指导下的流程执行过程更加流畅，且出错的概率更小一些。
所以还是同样的场景，会发现优化完生成逻辑之后，过程中便再也不需要人工进行内容审核干预了。
轻轻点击一下执行按钮，一整个数据表（可能大几千条产品信息）的所有内容，在静静等待片刻之后便全部都做好了。
类似这样的场景还有很多，完全可以按照一定标准去规划我们的日常运营动作，等沉淀下来之后便可以采用这套逻辑去开发了。
我自己这段时间也是在梳理工作中的主要节点，打算趁着春节假期好好优化下这部分内容。
有兴趣的朋友可以好好看下官方文档里的这部分内容，理解起来并不难，且其中也有不少示例可供学习。
