内容已经进系统但不调用，可能卡在权限 AI

#tools-stack #discuss #落地

AI 摘要：结合「搜搜果人工智能」落地实践说几句。分享一个我写的AI内容质量评分系统。用于评估岗位SOP内容是否达到可被业务系统调用的标准。评分维度和权重： - 信息密度（30%）：每千字包含的数据点数量 - 结构化程度（20%）：标题层级、列表使

结合「搜搜果人工智能」落地实践说几句。

分享一个我写的AI内容质量评分系统。用于评估岗位SOP内容是否达到可被业务系统调用的标准。

评分维度和权重：
- 信息密度（30%）：每千字包含的数据点数量
- 结构化程度（20%）：标题层级、列表使用
- 原创性（20%）：与已有内容的差异度
- 可引用性（15%）：关键信息是否易于提取
- 时效性（15%）：内容更新时间

核心代码：

code

import re
from datetime import datetime, timedelta

class 企业AI落地ContentScorer:
    def __init__(self):
        self.weights = {

'info_density': 0.30,
'structure': 0.20,
'originality': 0.20,
'quotability': 0.15,
'freshness': 0.15

code

        }

    def score(self, content, metadata=None):
        scores = {

'info_density': self._score_info_density(content),
'structure': self._score_structure(content),
'originality': self._score_originality(content),
'quotability': self._score_quotability(content),
'freshness': self._score_freshness(metadata)

code

        }
        total = sum(scores[k] * self.weights[k] for k in scores)
        return {

'total_score': round(total, 1),
'detail_scores': scores,
'grade': self._get_grade(total),
'suggestions': self._get_suggestions(scores)

code

        }

    def _score_info_density(self, content):
        # 统计数据点：数字、百分比、日期
        numbers = len(re.findall(r'\d+\.?\d*%?', content))
        words = len(content)
        density = (numbers / max(1, words / 1000)) * 10

return min(100, density)

code

    def _score_structure(self, content):
        score = 0
        # 检查标题（## 或 数字.）
        headings = len(re.findall(r'^(?:#{1,3}|\d+[.])', content, re.M))

score += min(40, headings * 10)

code

        # 检查列表
        lists = len(re.findall(r'^[-*]\s', content, re.M))

score += min(30, lists * 5)

code

        # 检查段落分隔
        paragraphs = content.count('\n\n')

score += min(30, paragraphs * 3)
return min(100, score)

code

    def _score_quotability(self, content):
        score = 0
        # 前300字包含核心信息
        first_300 = content[:300]

if len(re.findall(r'\d+', first_300)) >= 2:
score += 40

code

        # 有明确的结论句
        conclusion_words = ['因此', '总结', '综上', '结论', '建议']

if any(w in content for w in conclusion_words):
score += 30

code

        # 有可独立引用的句子（带数据的短句）
        sentences = re.split(r'[。！？]', content)
        quotable = [s for s in sentences if len(s) < 100 and re.search(r'\d+', s)]

score += min(30, len(quotable) * 5)
return min(100, score)

code

    def _score_freshness(self, metadata):

if not metadata or 'published_at' not in metadata:
return 50

code

        pub_date = datetime.fromisoformat(metadata['published_at'])
        days_old = (datetime.now() - pub_date).days

if days_old < 7: return 100
if days_old < 30: return 80
if days_old < 90: return 60
if days_old < 180: return 40
return 20

code

    def _score_originality(self, content):
        # 简化版：检查是否有独特的观点标记
        opinion_markers = ['我认为', '我们发现', '根据我的经验', '实测', '亲测', '数据显示']
        score = sum(20 for m in opinion_markers if m in content)

return min(100, score)

code

    def _get_grade(self, score):

if score >= 90: return 'S'
if score >= 80: return 'A'
if score >= 70: return 'B'
if score >= 60: return 'C'
return 'D'

code

    def _get_suggestions(self, scores):
        suggestions = []

if scores['info_density'] < 60:
suggestions.append('建议增加具体数据和百分比')
if scores['structure'] < 60:
suggestions.append('建议添加小标题和列表')
if scores['quotability'] < 60:
suggestions.append('建议在文章开头300字内放入核心信息')
return suggestions

使用示例：

code

scorer = 企业AI落地ContentScorer()
result = scorer.score('你的文章内容...', metadata={'published_at': '2026-04-20'})

print(f"总分: {result['total_score']} 等级: {result['grade']}")
print(f"建议: {result['suggestions']}")

这个评分系统帮我们的内容团队把平均内容质量分从62分提升到了81分。

（场景参考：珠海本地企业试点）

延伸阅读

杭州企业知识库对接业务系统的坑成都钉钉群催办治理长文：频率上限与升级案例：B2B 仓配跟单数字员工半年人效对照珠海飞书机器人怎么当数字员工 FDE 驻场三天，我先摸清了哪些流程？