本教程目标：把复杂数据做成可信且易读的信息图。你将得到一套可复制的六步流程、质量检查表和可直接修改的提示词模板。
先定义“完成”，再选择AI工具
AI信息图制作：数据核验、视觉层级与无障碍设计的关键并不是多问模型几次，而是先规定输入、输出和验收标准。建议选择一个真实但风险可控的案例作为试点，保存原始材料、提示词、模型版本和最终修改，方便比较人工流程与AI辅助流程的差异。
涉及客户资料、合同、健康、财务或未公开业务信息时，应先完成脱敏与权限确认。模型生成内容只能作为候选结果；事实、金额、日期、引用和对外承诺仍需由相应负责人核验。
六步实操流程
| 步骤 | 操作 | 验收信号 |
|---|---|---|
| 1 | 确认每个数字的来源和日期 | 范围明确且有记录 |
| 2 | 只保留一个核心叙事 | 输入资料完整可追溯 |
| 3 | 选择比较、流程或时间线结构 | 结果通过抽样或测试 |
| 4 | 先做低保真线框 | 异常有人工处理路径 |
| 5 | 生成插画但手工排版文字 | 输出可被下一环节使用 |
| 6 | 检查色盲对比和移动端字号 | 关键决定已经复核 |
第1—2步：准备输入与边界
把“帮我做好”改成可验证的任务说明：谁使用结果、解决什么问题、允许使用哪些资料、禁止做什么、输出交给谁。输入材料应保留来源、日期和版本；缺失信息列成问题，而不是让模型自动补全。
第3—4步：小样测试与质量控制
先用3—5个代表性样例跑通流程，其中至少包含一个边界案例。检查输出是否忠于资料、是否遵循格式、是否遗漏限制条件。每轮只改变一个变量，例如提示词、模型或检索范围，才能判断改进来自哪里。
第5—6步：上线、监控与复盘
正式使用时记录成功率、人工修改量、耗时和异常类型。为无法判断、低置信度或有外部副作用的情况设置人工队列。两周后根据真实失败案例更新模板和检查表，而不是凭印象频繁改流程。
可直接使用的提示词模板
把以下事实转成信息图线框：标题、三层信息层级、图表类型、图标建议、来源区。不要创造数据，不在图片中生成长文本。
背景资料：{粘贴已获授权的资料}
输出要求：先列依据，再给结果；不确定处标记〔待确认〕；不要虚构来源、数字或承诺。
发布前检查清单
- □ 已明确目标、受众和最终交付物
- □ 输入资料已脱敏并确认使用权限
- □ 事实、推断和建议在输出中明确区分
- □ 关键结论能回到原始材料复核
- □ 高风险操作保留人工确认和回退方案
最常见的失败方式
警惕：让图像模型直接生成全部数字和长文案。修正方法是保留基线版本，用真实样例评测，并为关键字段设置明确的人工复核责任。
如何衡量是否真正有效
至少同时观察四项指标：任务一次通过率、人工修改分钟数、严重错误数、单次任务成本。只看生成速度会掩盖返工；只看文字流畅度会掩盖事实错误。若流程连续两周没有减少总耗时或错误，就应缩小应用范围并重新检查输入质量。
常见问题
应该追求完全自动化吗？
不应。优先自动化重复、可逆、易验证的环节；涉及付款、发布、权限、个人数据或法律承诺时保留明确的人类决策点。
模型升级后需要重新测试吗？
需要。模型、提示词、知识库或工具接口任何一项变化，都可能改变输出。保留固定测试集并做回归比较。
怎样避免内容看起来千篇一律？
使用真实案例、具体限制和自己的判断标准；AI负责整理与候选生成，最终观点、证据和取舍必须来自作者或业务负责人。