METHOD · 專業審查與合規

AI 影像初判

它說「沒問題」的那一堆,才是要盯的地方——漏標不會有人發現。

情境:專業審查與合規也用於:資料與報表也用於:流程與 SOP難度:要搭建|建助手或系統起手工具:ChatGPT
這是專業審查與合規情境下的方法之一(共 7 個)· 看這個情境全部 →
一、這是什麼三十秒判斷關不關你的事

01解決的工作問題

一個資料夾八百張照片——工地巡檢、設備外觀、環境查核、到貨驗收——要一張張看到眼花。看到第兩百張的時候,標準已經鬆掉了,而真正該被看到的那一張可能排在第六百。AI 很適合做第一輪的挑選,但這件事有一個不對稱:它說「有問題」你會去看,它說「沒問題」你就不看了。所以整個方法的重心不在提高準確率,在於讓它寧可多標、也不要漏標,並且讓「它說沒問題」永遠不能當成結論。

真的有人這樣做過外部佐證 4 則

以下都是具名機構的公開案例,每個來源都經過連結實測。數字只寫來源講得出來的;來源沒講的,這裡就寫未公開。

Bosch 博世德國 · 2024

真實瑕疵樣本太少,改用生成式模型合成瑕疵影像來訓練光學檢測 AI;模型只在有把握時自己判定,沒把握的送交人工目檢。

成效在 Hildesheim 廠的電機產線已用於量產標準系統;官方表示可把 AI 應用的規劃到上線期從 6–12 個月縮短到數週。

不能照抄的理由合成資料解決的是「樣本不足」,不是「標準不清」。物理上什麼算瑕疵、什麼可以放行,仍然要由品保人員先定義。

臺北榮總 × 台灣人工智慧實驗室台灣 · 2019 起

放射線科、神經外科與放射腫瘤科醫師共同標註數百位病例的 MRI 病灶,訓練 DeepMets 自動圈註腦轉移瘤位置並計算大小。

成效準確率報導為 95–96%;醫師閱片時間由 5–10 分鐘縮短到約 30 秒。

不能照抄的理由價值在於把醫師從逐張翻片解放出來,判讀與治療決策仍在醫師身上。訓練資料來自醫師逐案標註,這個成本無法跳過。

林口長庚紀念醫院台灣 · 2021 起

用外傷資料庫的骨盆 X 光訓練演算法,在急診當下標出可能的骨折部位,輔助第一線醫師判讀。

成效以約 5,000 張骨盆 X 光訓練,平均準確度超過 95%;研究登上 Nature Communications(2021/02);2023 年 2 月成為台灣首家以自研 AI 取得醫療器材許可證的醫院。

不能照抄的理由取得醫材許可證的是特定用途的軟體,不等於整套流程都可自動化。急診的判斷與處置仍由醫師負責。

和碩聯合科技 Pegatron台灣 · 2025-2026

用生成的瑕疵影像優化視覺檢測流程,減少人工複判的負擔;另在實體廠之外並行六座虛擬工廠做規劃驗證。

成效官方表示視覺 AI 模型的部署時程縮短 67%;虛擬工廠預期可讓新廠建置時間縮短 40%。

不能照抄的理由和碩自己的經驗是各部門一開始卡在算力與 MLOps 管線,因而先建內部 AI Factory 才談應用。基礎設施沒鋪好,單點應用做不起來。

這些案例與其他外部佐證,完整收在找靈感 →

02什麼時候用、什麼時候別用

什麼情況下該用這一套

什麼情況下別用

由 AI 做最終判定
它說「沒問題」不能當結論。漏標的代價通常遠大於多標,而漏標你不會知道。
人臉辨識或身分比對
那是另一件事,涉及個資與法令,不在這個方法的範圍。
沒有判定標準時
標準說不出來,AI 只能用它心中的「看起來不對」——而那不是你的標準。

誰會用到

工程師/研發
判定標準要具體到可觀察:「有無裂縫」不夠,要寫「肉眼可見、長度超過 ○ 公分的線狀開裂」。
營運
巡檢照片最有價值的不是抓到問題,是抓到「同一個位置每個月都出現的問題」。
公務員
查核照片可能成為行政處分或補助核撥的依據,AI 的初判結果不得作為認定基礎。
顧問
現場拍的照片回來要能對得回位置與時間,否則過幾週你自己也認不出那是哪裡。
行政
影像常含人臉、車牌、識別證與門牌。這些在送進任何工具之前要先處理。

所屬工作情境

二、整件事怎麼跑先看圖,再看逐步

03流程圖

這張圖是整篇的骨架:輸入 → 步驟 → 困難點 → AI/Agent/Tool 介入 → 人工檢查 → 產出。紅框是最常出事的位置,綠框是不能下放的人工檢查點,粗框是中止條件。後面每一節都是在展開圖上的某一格。

AI 影像初判:它說「沒問題」的那一堆,才是要盯的地方
AI 影像初判:它說「沒問題」的那一堆,才是要盯的地方直向流程圖。輸入是寫成可觀察描述的判定標準、已去識別化並含編號與位置的照片、漏標的代價說明、以及含已知答案的校準樣本。第一步由人把要挑的東西寫成可觀察的描述,寫不出來的項目代表這一輪不該挑它。第二步由人或工具完成去識別化,遮蔽人臉車牌識別證與門牌,這一步不能交給 AI 忽略。第三步由 AI 依標準把照片分成疑似有問題、看不出來、疑似正常三堆,每張要說明依據哪一條標準以及在畫面哪個位置看到什麼,不做最終判定,影像品質不足者一律歸入看不出來。第四步由人拿已知答案的樣本比對,重點看已知有問題卻被分到正常的那幾張,因為漏標比誤標嚴重得多。第五步由檢核助手從疑似正常那一堆隨機抽一定比例交人複看,這是防漏標的安全網不能省。第六步進入人工檢查點,疑似有問題與看不出來的全部人看,抽驗的也看,判定結果依據與照片編號一併留存。右側標示四個困難點:AI 說沒問題你就不看所以漏標永遠不會被發現、標準寫得太抽象導致它用一般標準判斷、照片認不回位置所以挑出來也不知道去哪裡看、以及如果全部照片還是要人看一遍那 AI 只是多一道工。中止條件是把疑似正常表述為沒問題或合格、或影像模糊卻歸入正常時該批退回重分。檢查點有退回線回到分堆步驟。漏標就回頭修標準INPUT / 輸入可觀察的判定標準 + 去識別化照片(含編號位置)+ 漏標代價 + 校準樣本代價越高,可疑門檻放越寬HUMAN / 人工步驟人寫判定標準:寫不成可觀察描述的,這一輪不挑HUMAN / 人工步驟人或工具去識別化(人臉/車牌/識別證/門牌)AI / AI 介入AI 分三堆並說出依據與位置;品質不足歸「看不出來」CHECKPOINT / 人工檢查人用已知答案樣本校準,重點看「有問題卻被分到正常」AGENT / 助手接手檢核助手從「疑似正常」抽一成交人複看(漏標安全網)CHECKPOINT / 人工檢查人判定:可疑、看不出來、抽驗的全部看過並簽名OUTPUT / 產出判定紀錄 + 待處理清單 + 跨期重複型態RISK / 困難點標準寫「外觀異常」,它就用它看過的一般標準RISK / 困難點照片認不回位置,挑出來也不知道去哪裡看RISK / 困難點它說沒問題你就不看——漏標永遠不會被發現RISK / 困難點若全部照片還是要人看一遍,AI 只是多一道工STOP / 中止條件把「疑似正常」寫成沒問題/合格,或模糊照片歸入正常 → 該批退回重分
看圖重點:這張圖跟其他方法有一個結構性的差別:它的風險不在輸出錯誤,在輸出正確但你不會去檢查的那一部分。AI 說「有問題」你會去看,說「沒問題」你就跳過了——所以整套設計的重心不是提高準確率,是製造兩個機制去看那一堆沒有人會看的照片:拿已知答案的樣本校準(第四格),以及每期固定抽一成複看(第五格)。少了這兩格,這個方法會讓你更快、也更容易漏。
純文字流程表(手機/螢幕閱讀器建議看這張)
AI 影像初判:它說「沒問題」的那一堆,才是要盯的地方(純文字流程表)
類型/角色流程步驟這一步的困難點/中止條件
1Human可觀察的判定標準 + 去識別化照片(含編號位置)+ 漏標代價 + 校準樣本
代價越高,可疑門檻放越寬
2Human人寫判定標準:寫不成可觀察描述的,這一輪不挑
困難點/風險標準寫「外觀異常」,它就用它看過的一般標準
3Human人或工具去識別化(人臉/車牌/識別證/門牌)
4AIAI 分三堆並說出依據與位置;品質不足歸「看不出來」
困難點/風險照片認不回位置,挑出來也不知道去哪裡看
5Checkpoint人用已知答案樣本校準,重點看「有問題卻被分到正常」
6Agent檢核助手從「疑似正常」抽一成交人複看(漏標安全網)
困難點/風險它說沒問題你就不看——漏標永遠不會被發現
7Checkpoint人判定:可疑、看不出來、抽驗的全部看過並簽名
困難點/風險若全部照片還是要人看一遍,AI 只是多一道工
失敗與中止條件把「疑似正常」寫成沒問題/合格,或模糊照片歸入正常 → 該批退回重分
8Output判定紀錄 + 待處理清單 + 跨期重複型態

回流線:人用已知答案樣本校準,重點看「有問題卻被分到正常」 → 人寫判定標準:寫不成可觀察描述的,這一輪不挑(漏標就回頭修標準)

Mermaid 原始碼(貼進 Mermaid Live 或 draw.io 可再編輯)
可直接複製,改成你自己的流程
flowchart TD
    in1(["<b>Human</b><br/>可觀察的判定標準 + 去識別化照片(含編號位置)+ 漏標代價 + 校準樣本<br/><small>代價越高,可疑門檻放越寬</small>"])
    s1["<b>Human</b><br/>人寫判定標準:寫不成可觀察描述的,這一輪不挑"]
    s2["<b>Human</b><br/>人或工具去識別化(人臉/車牌/識別證/門牌)"]
    a1[/"<b>AI</b><br/>AI 分三堆並說出依據與位置;品質不足歸「看不出來」"/]
    c1{{"<b>Checkpoint</b><br/>人用已知答案樣本校準,重點看「有問題卻被分到正常」"}}
    g1[["<b>Agent</b><br/>檢核助手從「疑似正常」抽一成交人複看(漏標安全網)"]]
    c2{{"<b>Checkpoint</b><br/>人判定:可疑、看不出來、抽驗的全部看過並簽名"}}
    o1(["<b>Output</b><br/>判定紀錄 + 待處理清單 + 跨期重複型態"])
    r2>"<b>Risk</b><br/>標準寫「外觀異常」,它就用它看過的一般標準"]
    r3>"<b>Risk</b><br/>照片認不回位置,挑出來也不知道去哪裡看"]
    r1>"<b>Risk</b><br/>它說沒問題你就不看——漏標永遠不會被發現"]
    r4>"<b>Risk</b><br/>若全部照片還是要人看一遍,AI 只是多一道工"]
    x1[/"<b>Stop</b><br/>把「疑似正常」寫成沒問題/合格,或模糊照片歸入正常 → 該批退回重分"\]

    in1 --> s1
    s1 --> s2
    s2 --> a1
    a1 --> c1
    c1 --> g1
    g1 --> c2
    c2 --> o1
    s1 -.->|風險| r2
    a1 -.->|風險| r3
    g1 -.->|風險| r1
    c2 -.->|風險| r4
    c2 ==>|中止| x1
    c1 -.->|漏標就回頭修標準| s1

    classDef clsIn fill:#FFFFFF,stroke:#2C4459,stroke-width:2px,color:#141E2B
    classDef clsHuman fill:#FBFCFD,stroke:#7A8CA0,stroke-width:2px,color:#141E2B
    classDef clsAI fill:#FFF6EA,stroke:#DE9A45,stroke-width:2px,color:#141E2B
    classDef clsAgent fill:#FDEBD2,stroke:#B87A2E,stroke-width:2px,color:#141E2B
    classDef clsTool fill:#EDF2F6,stroke:#2C4459,stroke-width:2px,color:#141E2B
    classDef clsCheck fill:#E8F2EC,stroke:#3F7A5A,stroke-width:2px,color:#123024
    classDef clsOut fill:#141E2B,stroke:#141E2B,stroke-width:2px,color:#F2F6F9
    classDef clsRisk fill:#FCEFEA,stroke:#C0552F,stroke-width:2px,color:#5E2110
    classDef clsStop fill:#F7E1DB,stroke:#8E2F17,stroke-width:3px,color:#5E2110
    class in1 clsIn;
    class s1 clsHuman;
    class s2 clsHuman;
    class a1 clsAI;
    class c1 clsCheck;
    class g1 clsAgent;
    class c2 clsCheck;
    class o1 clsOut;
    class r2 clsRisk;
    class r3 clsRisk;
    class r1 clsRisk;
    class r4 clsRisk;
    class x1 clsStop;

04完整步驟圖的文字版,逐步展開

一句話版(快速回顧)

  1. 把要挑的東西寫成可觀察的描述;寫不出來的項目這一輪不挑。
  2. 人或工具先去識別化:人臉、車牌、識別證、門牌。
  3. AI 分三堆:疑似有問題/看不出來/疑似正常,每張說出依據與位置,不做判定。
  4. 拿已知答案的樣本校準,重點看「已知有問題卻被分到正常」的張數。
  5. 從疑似正常堆固定抽一成交人複看,這是唯一的漏標偵測。

完整版(每一步誰做、產出什麼)

誰做步驟與說明
1Human寫判定標準
把要挑的東西寫成可觀察的描述。寫不出來的項目,代表這一輪不該挑它。→ 判定標準
2Human去識別化
人臉、車牌、識別證、門牌先遮蔽。這一步由人或工具做。→ 去識別化影像
3AI初判分三堆
依標準把照片分成「疑似有問題/看不出來/疑似正常」三堆,每張說明依據哪一條標準、看到什麼。不做最終判定。→ 初判分堆 + 依據
4Human校準與抓漏
拿已知答案的樣本比對——重點看「已知有問題但被分到正常」的那幾張。漏標比誤標嚴重得多。→ 校準結果
5Agent抽驗正常堆
從「疑似正常」那一堆隨機抽一定比例,交人複看。這一步是防漏標的安全網,不能省。→ 抽驗清單
6Human人工判定與留痕
疑似有問題與看不出來的全部人看;抽驗的也看。判定結果、依據與照片編號一併留存。→ 判定紀錄 + 待處理清單
三、動手做備料 → 指令 → 產出 → 工具

05開始前要準備什麼標「必要」的沒備齊就先別開始

判定標準必要
要挑什麼、什麼算可疑。寫成可觀察的描述,不要用「異常」「不良」這種詞。
已知答案的樣本必要
至少 20 張,其中要含已知有問題的與已知沒問題的。這是校準與抓漏標的唯一方法。
去識別化處理必要
人臉、車牌、識別證、門牌、姓名貼紙先遮蔽。由工具或人做,不是叫 AI 忽略。
照片與位置時間對照必要
每張照片對得回拍攝位置與時間。沒有這個,挑出來也不知道要去哪裡看。
漏標的代價可選
漏掉一張的後果是什麼?後果越大,可疑的門檻要放得越寬。

餵進去的東西要長這樣

判定標準(可觀察描述)+ 已去識別化的照片(含編號與位置)+ 漏標的代價 + 校準樣本(含已知答案)。上期結果建議一併提供。

【用途】月度廠區巡檢的第一輪挑選(最終判定由巡檢人員做)
【本批】40 張,114/9/1–9/5 拍攝

【判定標準 v2】
S1 地面油漬:目視可見的深色濕潤痕跡,面積大於一個腳掌
S2 管路滴漏:管線接頭下方有水滴或積水痕跡
S3 通道堆放:逃生通道地面標線範圍內有任何物品
S4 標示遮蔽:滅火器、電箱、緊急停止鈕前方 60 公分內有遮擋
S5 電線裸露:可見金屬導體或以膠帶纏繞的接續處
※ 本輪不列入:整潔度、擺放美觀(無法寫成可觀察描述)

【漏標的代價】
S4、S5 屬安全項目,漏掉可能導致人員傷害或稽核缺失 → 採較寬認定。
S1–S3 屬環境項目,漏掉可於次期補正 → 採一般認定。

【去識別化】
已遮蔽:人臉 3 張、識別證 1 張、車牌 2 張。

【照片】
IMG-001(1F 東側走道)|IMG-002(1F 空壓機房)|IMG-003(2F 配電室門口)…(共 40 張,每張含編號與位置)

【上期結果】
8 月:IMG-08-014(空壓機房,S2 滴漏)判定為缺失,已報修。

06Prompt(快速/完整/進階)

A 快速版貼上就能用;B 完整實戰版把角色、限制、步驟、輸出格式與驗收標準寫足;C 進階版是拿去建 GPT/Skill/Agent 的系統指令。三種都附可替換變數、使用範例、預期輸出與人工確認點。

A
A. 快速版

一批照片要先挑出「要人看的」,而且要知道它憑什麼挑。

適合的工具ChatGPTClaudeGemini
👇 直接複製,{ } 換成你的內容
以下是判定標準與一批已去識別化的照片(含編號與位置)。請:
1. 依標準把照片分成三堆:疑似有問題/看不出來/疑似正常。影像品質不足者一律歸「看不出來」,不得歸入疑似正常。
2. 疑似有問題的,逐張說明依據哪一條標準、在畫面哪個位置、看到什麼特徵。
3. 看不出來的,說明原因(逆光、角度、模糊、距離)並建議補拍方式。
4. 「疑似正常」一律表述為「未看出符合標準的特徵」,並建議抽驗張數。
不得做最終判定(合格/不合格)、不得辨識人員身分、不得聲稱實際尺寸與距離。
判定標準:{貼上};照片:{附上}

可替換變數

變數要換成什麼
{貼上}判定標準(寫成可觀察的描述)。
{附上}已去識別化的照片,每張附編號與拍攝位置。
完整使用範例(照這樣填)
以下是判定標準與一批已去識別化的巡檢照片。請照四個要求處理。(照母提示詞)

【用途】月度廠區巡檢的第一輪挑選(最終判定由巡檢人員做)

【判定標準】
S1 地面油漬:目視可見的深色濕潤痕跡,面積大於一個腳掌
S2 管路滴漏:管線接頭下方有水滴或積水痕跡
S3 通道堆放:逃生通道地面標線範圍內有任何物品
S4 標示遮蔽:滅火器、電箱、緊急停止鈕前方 60 公分內有遮擋
S5 電線裸露:可見金屬導體或膠帶纏繞的接續處

【漏標的代價】
S4、S5 屬安全項目,漏掉可能導致人員傷害或稽核缺失。

【照片】
IMG-001(1F 東側走道)、IMG-002(1F 空壓機房)、IMG-003(2F 配電室門口)…(共 40 張)
預期輸出範例(拿到的東西應該長這樣)
【分堆結果(40 張)】

〔疑似有問題:7 張——全部要人看〕
| 編號 | 位置 | 依據 | 我看到什麼 |
|---|---|---|---|
| IMG-002 | 空壓機房 | S2 | 畫面中央偏下、管線接頭正下方地面有一片反光的深色區域,形狀不規則 |
| IMG-003 | 2F 配電室門口 | S4 | 電箱前方地面放置一個紙箱,目測距離電箱門面小於 60 公分 |
| IMG-011 | 1F 西側走道 | S3 | 綠色標線範圍內有兩個堆疊的塑膠籃 |
| IMG-018 | 2F 走道 | S4 | 滅火器前方有一台推車 |
| IMG-023 | 1F 東側 | S1 | 地面有深色痕跡,面積約大於一個腳掌 |
| IMG-031 | 空壓機房 | S5 | 牆面下方有一段以膠帶纏繞的線材接續處 |
| IMG-037 | 2F 配電室 | S2 | 接頭下方有反光點狀痕跡 |

〔看不出來:5 張——也要人看〕
| 編號 | 位置 | 為什麼看不出來 |
|---|---|---|
| IMG-007 | 1F 走道 | 逆光,地面細節無法判斷 |
| IMG-014 | 空壓機房 | 拍攝角度過斜,看不到接頭下方 |
| IMG-022 | 2F 走道 | 畫面模糊 |
| IMG-029 | 1F 東側 | 標線被陰影覆蓋,無法判斷是否在範圍內 |
| IMG-035 | 2F 配電室 | 距離太遠,無法判斷 60 公分 |

〔疑似正常:28 張〕
**請注意:這一堆不是「沒問題」,是「我沒有看出符合標準的特徵」。**
依標準,建議至少隨機抽 3–5 張(約一成)交人複看,作為漏標的偵測。

【我沒有做的事】
- 沒有判定任何一張「合格」或「不合格」。分堆不是判定。
- 沒有測量任何距離或面積。S4 的 60 公分、S1 的「一個腳掌」我只能目測描述,實際距離要現場確認。
- 沒有辨識畫面中的人員身分(照片已去識別化,我也不做此事)。

【提醒】
你標了 S4、S5 為安全項目、漏掉代價高。因此我在這兩項上採取較寬的標準——IMG-018 的推車距離其實不確定是否超過 60 公分,但我仍列入疑似有問題。**多標一張的成本是你多看一眼,漏標一張的成本是稽核缺失。**

常見錯誤用法

  • 只看「疑似有問題」那一堆。它說沒問題你就不看,而漏標你不會知道。
  • 標準寫「外觀異常」。AI 會用它看過的一般標準,那不是你的驗收標準。
  • 照片沒有編號與位置。挑出二十張可疑的,卻不知道要去哪裡看。
  • 把 AI 的分堆當成判定結果送出去。分堆不是判定。
這一版另外不適合
  • 照片未去識別化時。
  • 要 AI 做最終判定或身分比對時。
缺少資料時怎麼辦

判定標準寫不出可觀察描述的項目,這一輪就不要挑它。硬挑的結果是 AI 用一般標準判斷,而你會以為那是你的標準——這種誤解在你發現之前,可能已經過了好幾期。

這一版另外要人確認
  • 所有最終判定。
  • 距離、面積等需實測的項目。
  • 疑似正常那一堆的抽驗。
B
B. 完整實戰版

要一份可以據以派工的巡檢初判結果,含依據、抽驗清單、校準結果與跨期比對。

適合的工具ChatGPTClaudeGemini
👇 直接複製,{ } 換成你的內容
# 角色
你是影像初判的協助者。你的專長是依既定標準把照片分堆,並誠實說出哪些看不出來。你不做最終判定、不辨識身分、不測量實際尺寸。

# 背景
- 用途:{巡檢/驗收/外觀檢查/環境查核}
- 本批數量與拍攝期間:{張數、期間}
- 漏標的代價:{漏掉一張會怎樣}
- 是否有上期結果可比對:{有/無}

# 任務
產出三堆分類、依據說明、看不出來的原因、抽驗建議、跨期比對與判定紀錄框架。

# 可以使用的資料
只有【判定標準】與【照片】。你對這類場所的一般認識、常見的安全規範、你認為應該檢查的項目,一律不得作為分堆依據。

# 不可以做的事(違反任何一條就是失敗)
1. 不得做最終判定(合格/不合格/通過/缺失)。只做三堆分類。
2. 不得辨識或推測畫面中人員的身分、性別、年齡。
3. 不得測量或聲稱實際尺寸、距離、面積。只能描述目測所見,並標明需實測。
4. 不得把「疑似正常」表述為「沒問題」「無異常」「合格」。
5. 影像品質不足以判斷時,一律歸入「看不出來」,不得歸入疑似正常。
6. 標明為高代價的標準項目,採取較寬的認定(寧可多標)。

# 處理步驟(請照順序做)
1. 逐張依標準判讀,分成疑似有問題/看不出來/疑似正常三堆。
2. 疑似有問題的,逐張說明依據哪一條標準、在畫面哪個位置、看到什麼特徵。
3. 看不出來的,說明原因(逆光、角度、模糊、遮蔽、距離),並建議補拍方式。
4. 計算三堆的張數比例(僅列張數,不做統計推論),並依漏標代價建議抽驗比例。
5. 若有上期結果,比對同一位置是否重複出現同類問題。
6. 產出判定紀錄框架(判定欄與簽名欄留空)。

# 輸出格式(嚴格照這個順序,不要加額外段落)
## 一、分堆結果
(三堆各列張數)
## 二、疑似有問題(逐張:編號|位置|依據標準|看到什麼)
## 三、看不出來(逐張:編號|原因|建議補拍方式)
## 四、疑似正常與抽驗建議
(明確寫出「這一堆不是沒問題」)
## 五、跨期比對
(同一位置重複出現者)
## 六、需實測確認的項目
(距離、面積、尺寸類)
## 七、判定紀錄框架
(判定欄與簽名欄留空)

# 驗收標準(產出後自己檢查一次並回報結果)
- [ ] 沒有做任何最終判定
- [ ] 沒有辨識或推測人員身分
- [ ] 沒有聲稱實際尺寸或距離
- [ ] 影像品質不足者都歸入「看不出來」,未歸入疑似正常
- [ ] 已明確寫出「疑似正常不等於沒問題」

【判定標準】
{貼上}

【漏標的代價】
{貼上}

【上期結果(可留白)】
{貼上或留白}

【照片】
{附上,每張含編號與位置}

可替換變數

變數要換成什麼
{巡檢/驗收/外觀檢查/環境查核}用途決定嚴格程度與留痕要求。
{張數、期間}數量與拍攝期間。
{漏掉一張會怎樣}代價越高,可疑的門檻要放得越寬。這一欄直接影響分堆的鬆緊。
{有/無}有上期結果才做得了跨期比對,而重複出現的問題最有價值。
完整使用範例(照這樣填)
背景填法示例:用途=月度廠區巡檢初判;本批 40 張、9 月;漏標代價=S4、S5 屬安全項目,漏掉可能導致人員傷害或稽核缺失;上期結果=有(8 月)。標準與照片照 A 版格式提供。
預期輸出範例(拿到的東西應該長這樣)
與 A 版的差別:多出抽驗建議、跨期比對與需實測項目。抽驗建議是這一版最重要的設計——它是唯一能發現漏標的機制,因為「疑似正常」那一堆本來就不會有人去看。

常見錯誤用法

  • 抽驗建議略過不做。那一堆不看,漏標就永遠不會被發現。
  • 把「需實測確認」的項目直接當成缺失。60 公分是目測的,實際要量。
  • 上期結果留白。同一根柱子每個月都漏水這件事,只有跨期比對看得出來。
這一版另外不適合
  • 要做最終判定或行政處分依據時。
缺少資料時怎麼辦

照片品質不足時歸入「看不出來」並建議補拍方式。這一堆的張數本身就是資訊——它多起來的時候,要修的是拍照的方式(角度、光線、距離),而不是換更強的模型。

這一版另外要人確認
  • 所有最終判定與簽名。
  • 需實測項目的現場量測。
  • 抽驗與校準。
C
C. 進階版(做成初判助手)

每月都要巡檢,把標準與抽驗紀律固定成助手,讓每期的分堆方式一致、可以疊起來看。

適合的工具自訂 GPT/Claude ProjectClaude SkillGemini
👇 直接複製,{ } 換成你的內容
# 你是誰
你是「影像初判助手」。巡檢或驗收人員把照片貼給你,你依已核定的判定標準分堆。你不做最終判定、不辨識身分、不測量尺寸。

# 你的資料來源
只有使用者這次貼上的照片,以及建置時附上的三份文件:判定標準(含可觀察描述)、校準樣本與已知答案、上期結果。除此之外一律不得引用,包含你對這類場所的一般安全認識。

# 絕對規則(違反就是失敗)
1. 不做最終判定;只分三堆。
2. 「疑似正常」的表述固定為「未看出符合標準的特徵」,不得寫成「沒問題」「無異常」「合格」。
3. 影像品質不足者一律歸「看不出來」,不得歸入疑似正常。
4. 不辨識或推測人員身分、性別、年齡。
5. 不聲稱實際尺寸與距離,只描述目測所見並標明需實測。

# 條件判斷(依序檢查,先中的先套用)
1. 照片中可見人臉、車牌、識別證、門牌或姓名 → 提醒去識別化,並說明本助手不對該內容作判讀。
2. 照片無編號或無位置資訊 → 提醒補上,說明挑出來也不知道要去哪裡看。
3. 判定標準中含無法觀察的詞(異常、不良、狀況不佳)→ 標為「該項無法依標準判讀」,並建議改寫成可觀察描述。
4. 本批「看不出來」超過兩成 → 主動提醒拍攝方式可能有問題(角度、光線、距離),建議調整而非換工具。
5. 使用者要求直接給「合格/不合格」→ 拒絕,回覆「本助手只分堆;判定與簽名由 {權責} 為之」。

# 例外處理
- 使用者說「疑似正常那堆就不用看了吧」→ 回覆「那一堆是本方法唯一的漏標風險所在。建議至少隨機抽 {抽驗比例} 交人複看」。
- 使用者說「這張明明就沒問題,你為什麼標可疑」→ 回覆「本項標準標示為高代價,採較寬認定。多標一張的成本是多看一眼,漏標一張的成本請見標準說明」。
- 使用者要求辨識畫面中的人是誰 → 拒絕,說明不在範圍且涉個資。
- 使用者要求量出距離 → 拒絕,回覆「僅能目測描述;實際距離請現場量測」。

# 每次回覆的格式
【去識別化檢查】通過/偵測到 N 張含可識別資訊
【分堆結果】疑似有問題 N/看不出來 N/疑似正常 N(未看出符合標準的特徵)
【疑似有問題】(逐張:編號|位置|依據|看到什麼)
【看不出來】(逐張:原因|建議補拍方式)
【抽驗建議】(張數與抽法)
【跨期重複】(與上期比對)
【需實測確認】
【我沒有做的事】(固定:未判定、未辨識身分、未測量)

# 固定結尾
每次回覆最後一行固定加註:「本結果為初判分堆,非判定。『疑似正常』僅表示未看出符合標準的特徵,不等於無問題。最終判定與簽名由 {權責} 為之。」

# 自我檢查(每次回覆前執行,不需輸出過程)
- 是否出現合格、無異常、沒問題等判定用語?有就改。
- 影像模糊者是否誤歸疑似正常?有就移到看不出來。
- 每張疑似有問題是否都說出了依據與看到什麼?沒有就補。

# 建置參數
判定標準:{附檔,含版本}
校準樣本與已知答案:{附檔}
上期結果:{附檔或每次提供}
抽驗比例:{比例}
權責:{職稱}

可替換變數

變數要換成什麼
{附檔,含版本}判定標準要有版本,校準後常需修訂。
{附檔}校準樣本(含已知有問題與已知沒問題)與上期結果。
{比例}疑似正常堆的抽驗比例,建議不低於一成。
{職稱}誰做最終判定並簽名。
完整使用範例(照這樣填)
建置時把三份文件上傳為知識檔案。上線前用校準樣本測一輪,重點看「已知有問題卻被分到疑似正常」的張數——那是漏標率。另外要刻意測三種情況:一張含人臉未遮蔽、一張模糊、一組沒有編號,確認它分別提醒去識別化、歸入看不出來、要求補編號。
預期輸出範例(拿到的東西應該長這樣)
與 B 版的差別:這一版把抽驗比例與「疑似正常」的用詞固定下來,而且會在「看不出來」超過兩成時主動提醒拍攝方式有問題——那通常比換工具有效得多。

常見錯誤用法

  • 為了省時間把抽驗比例調成零。那等於拆掉唯一的漏標偵測。
  • 把它的分堆結果直接當成巡檢紀錄送出。分堆不是判定,紀錄要有人簽名。
  • 判定標準改了沒同步。它會用舊標準分堆,而你以為用的是新的。
這一版另外不適合
  • 行政處分或補助核撥的認定依據。
  • 人臉辨識或身分比對。
缺少資料時怎麼辦

校準樣本中「已知有問題卻被分到疑似正常」的張數,就是這套方法最該盯的數字。它不是準確率的問題——它是「你以為看過了、但其實沒看到」的數量。

這一版另外要人確認
  • 上線前:用校準樣本測漏標率,並測三種刻意情況。
  • 每期:最終判定與簽名、需實測項目的量測、抽驗複看。
  • 每季:依校準結果修訂判定標準並升版。

07產出應該長什麼樣拿到的東西要長這樣

七節:分堆結果、疑似有問題、看不出來、疑似正常與抽驗建議、跨期比對、需實測確認、判定紀錄框架。「疑似正常」的用詞是固定的。

完成品:校準怎麼做,以及它改了什麼

【校準樣本:20 張,已知答案】
已知有問題 8 張|已知沒問題 12 張

【第一次校準結果】
| 已知答案 | AI 分堆 | 張數 | 判讀 |
|---|---|---|---|
| 有問題 | 疑似有問題 | 5 | 正確挑出 |
| 有問題 | 看不出來 | 1 | 可接受(人會看) |
| **有問題** | **疑似正常** | **2** | **漏標——這是唯一要緊的一格** |
| 沒問題 | 疑似有問題 | 3 | 可接受(多看三眼) |
| 沒問題 | 疑似正常 | 9 | — |

【那兩張漏標的是什麼】
- 樣本 A:管線接頭下方只有淡淡的水痕,尚未形成積水。標準 S2 原文寫「有水滴或積水痕跡」——AI 判斷「沒有積水」,於是歸入正常。
- 樣本 B:電箱前方是一台矮推車,高度只到電箱下緣。AI 判斷「未遮擋電箱門面」。

【兩張都不是 AI 判錯,是標準寫得不夠明確】

處置一:S2 改寫
舊:「管線接頭下方有水滴或積水痕跡」
新:「管線接頭下方有水滴、積水,或任何顏色較深、反光異於周圍地面的痕跡」

處置二:S4 改寫
舊:「滅火器、電箱、緊急停止鈕前方 60 公分內有遮擋」
新:「滅火器、電箱、緊急停止鈕前方 60 公分內有任何物品,不論高度是否遮蔽面板」

【第二次校準結果(標準 v2)】
| 已知答案 | AI 分堆 | 張數 |
|---|---|---|
| 有問題 | 疑似有問題 | 7 |
| 有問題 | 看不出來 | 1 |
| **有問題** | **疑似正常** | **0** |
| 沒問題 | 疑似有問題 | 5 |
| 沒問題 | 疑似正常 | 7 |

漏標從 2 張降到 0;代價是誤標從 3 張增加到 5 張——也就是每期要多看兩眼。
**這個交換是刻意的**:多看兩眼的成本,跟漏掉一個安全項目的成本不在同一個量級。

─────────────────────────────
【上線後的固定動作】
1. 每期從「疑似正常」隨機抽一成交人複看。抽到有問題的,立即回頭檢討標準。
2. 「看不出來」超過兩成時,先檢討拍照方式(角度、光線、距離),不要先想換工具。
3. 每季重跑一次校準樣本,確認漏標仍為 0。
輸出格式規格(要照著做的人再展開)
  • 疑似有問題的每一張都要說出依據哪一條標準、在畫面哪個位置、看到什麼特徵。
  • 「疑似正常」一律表述為「未看出符合標準的特徵」,不得寫成沒問題或合格。
  • 影像品質不足者歸「看不出來」並說明原因與建議補拍方式。
  • 抽驗建議要給具體張數與抽法,不是「建議抽查」。
  • 需實測的項目(距離、面積)要獨立列出,不得以目測值當結論。
## 一、分堆結果(40 張)
疑似有問題 7|看不出來 5|疑似正常 28(未看出符合標準的特徵)

## 二、疑似有問題
| 編號 | 位置 | 依據 | 看到什麼 |
|---|---|---|---|
| IMG-002 | 空壓機房 | S2 | 管線接頭正下方地面有一片不規則反光深色區域 |
| IMG-003 | 2F 配電室門口 | S4 | 電箱前方地面放置紙箱,目測距離小於 60 公分(需實測) |
| IMG-031 | 空壓機房 | S5 | 牆面下方有一段以膠帶纏繞的線材接續處 |

## 三、看不出來
| 編號 | 原因 | 建議補拍方式 |
|---|---|---|
| IMG-007 | 逆光,地面細節不可辨 | 背對光源、或改於上午拍攝 |
| IMG-014 | 角度過斜,看不到接頭下方 | 蹲低正對接頭下方 |
| IMG-035 | 距離過遠,無法判斷 60 公分 | 加拍一張含比例尺或地磚參照 |

## 四、疑似正常與抽驗建議
28 張。**這一堆不是「沒問題」,是「未看出符合標準的特徵」。**
建議隨機抽 3 張(約一成)交人複看,作為漏標偵測。抽出:IMG-009、IMG-020、IMG-033。

## 五、跨期比對
| 位置 | 本期 | 上期 | 判讀 |
|---|---|---|---|
| 空壓機房(S2 滴漏) | IMG-002 疑似 | 8 月已判缺失並報修 | **重複出現**,建議確認修復是否完成 |

## 六、需實測確認
- IMG-003、IMG-018、IMG-035:S4 的 60 公分距離皆為目測,須現場量測。
- IMG-023:S1 的面積「大於一個腳掌」為目測比較,須現場確認。

## 七、判定紀錄框架
| 編號 | 初判 | 現場確認 | 判定(合格/缺失) | 處置 | 判定人 |
|---|---|---|---|---|---|
| IMG-002 | 疑似 S2 | (留空) | (留空) | (留空) | (留空) |

08工具怎麼挑

這幾支都做得到——差別在你手上有哪一支、資料能不能外流。標「起手」的是不知道從哪支開始時的建議,不是限定。

工具什麼時候用為什麼注意
ChatGPT ↗起手
依標準分堆並說依據
依標準分堆並說明依據能描述「在畫面哪個位置看到什麼」,比只給結論有用得多。影像含個資者不得上傳;它也會傾向給出判定語氣,要禁止。
Claude ↗一次要處理多張並維持標準一致跨張的判準較穩定,比較不會前鬆後緊。同樣要先去識別化,並確認資料處理政策。
Gemini ↗影像數量大、需與雲端檔案銜接與既有影像存放位置的銜接較順。自動判讀結果仍要回到人工判定,且不得作為認定依據。
自訂 GPT/Claude Project
每期巡檢
每月固定巡檢判定標準與抽驗比例固定,每期分堆方式一致、可疊起來看重複型態。標準改版要同步;抽驗比例不要為了省時間調降。
四、不要做錯這幾關不下放

09會卡住與會做錯的地方

會卡住的地方(流程困難點)

「沒問題」不會被檢查
AI 說有問題你會去看,說沒問題你就跳過了。所以漏標永遠比誤標危險,而且你不會發現。
標準寫得太抽象
「外觀異常」——AI 會用它看過的一般標準,而那不是你的驗收標準。
照片認不回位置
挑出二十張可疑的,但不知道是哪一支柱子、哪一台機器、哪一天拍的。
人看到後面就鬆了
這是這件事一開始的問題,而如果全部照片還是要人看一遍,那 AI 只是多一道工。

會做錯的地方(常見失敗方式)

只看可疑那一堆

它說沒問題你就不看,漏標永遠不會被發現。

怎麼修疑似正常堆固定抽一成複看;每季用已知答案的樣本重測漏標。

標準寫得太抽象

「外觀異常」讓 AI 用它看過的一般標準,而那不是你的驗收標準。

怎麼修每一條寫成可觀察描述;寫不出來的項目這一輪不挑。

模糊照片被歸進正常

看不出來被當成沒問題,是最隱蔽的漏標來源。

怎麼修影像品質不足一律歸「看不出來」,並建議補拍方式。

把目測當實測

「小於 60 公分」是目測的,拿去當缺失認定會被推翻。

怎麼修需實測項目獨立列出,現場量測後才判定。

其他注意事項

10人工把關與安全限制

AI/Agent/Tool 介入在哪幾步

流程位置做什麼/怎麼做
初判階段AI依標準分成三堆
疑似有問題/看不出來/疑似正常。每張要說出依據哪一條標準、在畫面的哪個位置看到什麼。不得只給結論。
抽驗階段Agent從正常堆抽樣交人複看
固定比例隨機抽取(建議不低於一成),與可疑堆一起送人判定,作為漏標的偵測機制。
彙整階段AI跨期比對
同一位置在不同期別是否重複出現同類問題,標出重複型態供流程改善。

這幾關不下放

判定標準
什麼算可疑是專業判斷,而且決定了整輪的鬆緊。
所有最終判定
AI 只分堆。合格與否、要不要處理,由人依標準判定並簽名。
校準與抓漏
已知有問題卻被分到正常的那幾張,是唯一能發現漏標的地方。
去識別化
人臉、車牌、識別證要先遮蔽,不能交給 AI「不要看」。

安全與權限限制

影像常含個資
人臉、車牌、識別證、門牌、姓名貼紙要先遮蔽,由人或工具處理,不是叫 AI 忽略。
不做身分辨識
人臉辨識與身分比對涉個資與法令,不在本方法範圍。
查核影像的效力
巡檢與查核照片可能成為行政處分或核撥依據。AI 的初判分堆不得作為認定基礎,判定要由人簽名。

11Checklist 與驗收標準

做的時候逐項打勾

做完了才檢查:全部成立才算完成

  1. 判定標準每一條都寫成可觀察的描述,寫不出來的項目已排除在本輪之外。
  2. 所有影像已去識別化,人臉、車牌、識別證、門牌已遮蔽。
  3. 每張照片都有編號與拍攝位置。
  4. AI 只做三堆分類,沒有任何合格/不合格的判定。
  5. 影像品質不足者都歸入「看不出來」,未歸入疑似正常。
  6. 「疑似正常」堆已依比例抽驗並由人複看。
  7. 已用含已知答案的樣本校準,且「已知有問題卻被分到正常」的張數為零。
  8. 需實測的項目已現場量測後才判定,判定結果與依據已簽名留存。
五、延伸看別人做過,然後往下一步

12實際案例

校準樣本裡有兩張「已知有問題」,被分進了正常堆

第一手拆解:影像初判助手(完整拆解) →

當時的狀況:第一次用的時候,看「疑似有問題」那七張覺得挑得很準,就準備上線了。後來拿二十張已知答案的樣本回頭測,才發現其中兩張已知有滴漏的照片被分到「疑似正常」——而正常那一堆,本來就沒有人會去看。

AI 做了什麼
  • 依標準把照片分成疑似有問題/看不出來/疑似正常三堆,每張說明依據哪一條、在畫面哪個位置看到什麼。
  • 把逆光、角度過斜、模糊的照片歸入「看不出來」,沒有歸進疑似正常。
  • 在標示為高代價的 S4、S5 項目上採取較寬認定,寧可多標。
  • 指出目測的 60 公分與面積需現場實測,沒有把目測值當結論。
人做了什麼
  • 先把「整潔度」「擺放美觀」移出標準——寫不成可觀察描述的項目,這一輪就不挑。
  • 拿二十張已知答案的樣本校準,重點看「已知有問題卻被分到正常」的那幾張。
  • 依校準結果放寬 S2 的描述(原本只寫「積水」,補上「水滴痕跡、反光深色區域」)。
  • 固定每期從疑似正常堆抽一成複看,作為漏標偵測。

結果:這個方法的成敗不在它挑得多準,在你有沒有辦法知道它漏了什麼。而唯一的辦法就是回頭看那一堆沒有人會看的照片。

待補資料:本站不提供漏標率、巡檢工時等量化數據,本例的照片與判定標準為說明用的示意情境。查核影像若涉行政處分或補助核撥,其認定依據請依主管機關規定辦理。

13相關方法與下一步

現場紀錄怎麼寫

照片挑出來之後,現場看到什麼要寫成分得出來源的紀錄。

把巡檢標準寫成 SOP

判定標準會隨校準修訂,要有版本與負責人。

重複出現的問題

同一位置每期都出現,那是流程或設備問題,不是巡檢問題。

標準的版本管理

用錯版本的標準,等於用錯尺。

可直接使用RELATED PROMPTS

延伸案例RELATED CASES

Download

這個方法的模板與 Checklist 下載包整理中——訂閱更新,上架後第一時間通知你。

取得 AI 實戰工具與更新

之後會不定期整理:新方法、指令包(Prompt Pack)、Checklist 與模板。免費、無廣告;正式寄送前會先寄確認信,隨時可來信要求刪除。

← 回「專業審查與合規」回找方法 →