【话术】工厂AI质检Prompt实战：5个让AI精准识别的核心模板

在东莞、深圳、苏州、成都等城市的电子厂、五金厂、注塑厂中，AI质检已经成为提升效率的关键工具。但很多工厂反馈AI识别不准，其实问题往往出在Prompt上。今天分享5个工厂AI质检核心Prompt模板，直接复制使用。
【模板1：外观检测】
请仔细检查产品外观，识别以下缺陷类型：划痕、污渍、变形、颜色不均、缺损。如发现任何异常，请详细描述缺陷位置、大小和严重程度，并给出是否合格的判定。
【模板2：尺寸测量】
根据产品图纸要求，检测以下关键尺寸：长度、宽度、高度、孔径、厚度。允许误差范围为±0.05mm。实测数据请与标准值对比，超出范围的数据需重点标注。
【模板3：缺陷分类】
请将检测到的产品缺陷按照以下标准进行分类：致命缺陷（A级）、严重缺陷（B级）、轻微缺陷（C级）。每个缺陷需标注可能产生的原因和改善建议。
【模板4：批量检测报告】
请汇总本次检测数据，生成标准检测报告，包含：检测总数、合格数量、不合格率、各类缺陷占比、异常项详细列表、以及改善建议。
【模板5：语音质检指令】
作为工厂质检员，请根据以下语音描述内容，提取关键质检信息：产品名称、检测项目、实测数值、判定结果。如信息不完整，请标注需要补充的内容。

使用技巧：

• 根据实际产品类型调整缺陷描述关键词
• 将标准值和误差范围替换为你的产品参数
• 批量检测时建议配合图片上传使用
• 可结合Claude/GPT等大模型实现自动化质检流程
  

[quote="工厂AI质检"]东莞的电子厂做了三年品控，看到这帖子太有共鸣了。模板1和模板3我们已经在用了，确实比之前自己瞎写的prompt准确率高不少。[/quote]

楼主这五个模板很实用，我补充三个实战小建议：

1. **缺陷关键词要“场景化”**：比如电子厂划痕要区分“手指印”“擦伤”“砂轮痕”，五金厂则要加“氧化斑”“车刀纹”。建议先拿产线不良品照片跑一遍，把AI漏判的缺陷描述词补进模板里。

2. **尺寸模板建议加“基准点”**：像注塑件变形时，光给±0.05mm不够，最好在prompt里标明“以安装面为基准”“避开分模线位置测量”，不然AI经常量到毛刺上。

3. **批量报告模板可以加异常率趋势**：我们后来在模板4后面加了一句“对比前3批数据，标注上升趋势的缺陷项”，对排查模具磨损特别有用，强烈推荐试试。

另外语音指令那个模板，建议把“请补充”改成“请按【产品/项目/数值/判定】格式逐项确认缺失项”，输出的结构化程度会高很多。希望这些经验对各位同行有帮助！