12.0 学习检查表：AIGC 与多模态

这页当成可打印检查表使用。需要完整讲解时，回到 第 12 章入口页。

两小时快速通读

时间	做什么	能说出这句话就停
20 分钟	看入口页的工作流闭环	“多模态工作从保留来源的输入开始。”
25 分钟	运行视觉记录脚本	“我能把视觉内容转成可检查的结构化记录。”
25 分钟	浏览多模态基础和图像生成	“理解和生成都需要 Prompt、模型、输出和审核。”
25 分钟	浏览伦理与合规	“对外使用前要查版权、肖像、敏感内容和事实风险。”
25 分钟	阅读 RAG/Agent 桥接图	“多模态可以扩展 RAG、Agent 和收官项目。”

必须留下的证据

证据	最小版本
multimodal_pipeline.md	输入、解析、生成/理解、审核、导出
visual_records.jsonl	来源、页码/区域/时间引用、可见文字、对象、不确定点
prompts/	Prompt 版本、参考素材、负面要求、选择记录
outputs/	候选输出、选中输出、被拒输出、原因
safety_review.md	版权、肖像、敏感内容、事实性、使用边界
README.md	目标、运行命令、素材来源、示例输出、限制

质量闸门

闸门	通过条件
来源追踪	每个输入和输出都保留 source、owner/license、version，必要时保留 page/region/time reference。
Prompt/版本	候选输出能追溯到 Prompt、模型或工具、参考素材和选择理由。
审核	检查版权、肖像或声音、敏感内容、事实性、可访问性和导出范围。
导出	README、manifest、选中输出、被拒输出、限制和下一步修复可被他人检查。

离章问题

• 你能为截图、PDF、图片、音频或视频保留来源引用吗？
• 你能把非文本输入变成 RAG 或 Agent 可使用的结构化记录吗？
• 你能用 Prompt 版本和审核记录比较生成输出吗？
• 你能说明对外发布前必须检查什么吗？
• 你能把结果整理成最终作品集或毕业展示吗？

如果答案都是可以，你已经具备多模态交付路线。项目需要开源模型托管、运行时掌控或微调决策时，再进入第 13 章。

检查思路与讲解

• “能做到”意味着每个非文本输入都有来源、负责人、版本和评审状态，而不只是留下最终文件。
• 好的结构化记录应包含抽取内容、模态元数据、置信度或评审备注，以及回到源资产的稳定链接。
• 生成结果应绑定 prompt 版本、候选 id、选中/拒绝决策和评审备注，这样迭代过程才可解释。
• 对外发布前，需要检查事实 grounding、授权与权利、隐私、敏感内容、安全策略，以及高风险材料是否经过人工批准。
• 可放入作品集的包应包含 brief、manifest、prompts、选中资产、失败案例、评审清单、最终导出，以及解释工作流的 README。

## 留下的证据

学完这一页，至少保留这张证据卡：

简介

用户目标、受众、素材、约束和导出格式

工件

源文件、提示词、生成候选、选定输出和被拒绝版本

审查

事实检查、版权/肖像/敏感内容检查，以及人工决定

集成

RAG 记录、Agent trace、创意包、故事板或导出预览

期望产出

可复现的资产包，包含 README、复查清单和失败说明