把一批文本一次性全量交给 Agnes-2.5-Flash 做摘要或改写，返工最多的原因不是内容质量，而是输出没法用程序接着处理：同一批里有的返回纯文本，有的返回 JSON，有的在 JSON 前后多说一句话，字段名还会换。可行的处理顺序是：先从真实的待处理清单里挑三条代表性样本，把输入模板和输出结构固定下来，再用二十条左右的小批跑验证，确认结构稳定后才放量。下面给的是能直接落到表格和脚本里的记录方式。

批量摘要和批量改写的稳定性，主要取决于输入是否同构、输出字段是否被显式约束，单条结果写得好不好并不是关键。建议先抽三条样本，覆盖长文、短句、含表格或特殊符号的情况，用同一套输入骨架提交，逐字段记录多出、缺失和格式被改写的情况；再用二十条左右小批统计字段完整率和异常类型。字段缺失时先改模板，不要先改解析代码；结构不稳就不放量。

从待处理文本里挑出三条样本

挑选标准只有一个：这三条要能代表整批文本在长度和结构上的差异。通常至少覆盖三类——一条明显偏长的正文、一条只有一两句的短文本、一条含表格或大量特殊符号（编号、代码片段、全角括号、竖线分隔）的文本。样本必须从真实待处理清单里抽，不要自己临时编，编出来的样本往往干净得不真实，验不出问题。

每条样本登记两项信息：字符长度和特殊结构说明。长度决定模型会不会截断或压缩过度，特殊结构决定模型会不会自作主张改写排版。建议先用下面的字段记一张小表，放在批处理脚本同一目录，后续对照时直接引用样本编号。

样本编号  doc_id       字符数   特殊结构说明
S1        doc_1024     约 3200  长文，含 3 级小标题，无表格
S2        doc_2077     约 60    单句，无标点结尾
S3        doc_3311     约 900   含 4 行 3 列表格，单元格内有竖线

字符数用 len(text) 之类的方式实际量出来再填，不要估。特殊结构那栏写具体一点：是表格、是列表、是引号嵌套，还是混了英文和数字编号，后面判断“输出结构为什么变了”时，这栏是最直接的线索。

把输入格式固定成同一套模板

输入差异是输出波动的第一来源。同一批任务里，如果有的把任务描述写在前面、有的写在后面，有的说“总结一下”、有的说“输出 JSON”，模型就会按各自的语气自由发挥。做法是把输入拆成三个固定位置：文本位置、任务描述位置、输出要求位置，三段的分隔符和顺序在整批里都不变，只让待处理文本和 doc_id 变化。

[任务]
对下面【待处理文本】做摘要，并严格按【输出要求】的 JSON 返回。

[输出要求]
只输出一个 JSON 对象，不要输出解释、前后缀文字或代码块围栏；
不要新增下面未列出的字段。字段固定为：
{
  "doc_id": "原样回填输入中的 doc_id",
  "summary": "中文摘要，不超过 120 字",
  "keywords": ["3-5 个关键词"],
  "contains_table": true 或 false,
  "notes": "原文含无法归一的特殊结构时在此说明，否则填空字符串"
}

[待处理文本]
doc_id: {{DOC_ID}}
<<<TEXT>>>
{{RAW_TEXT}}
<<<END>>>

可替换的只有 {{DOC_ID}} 和 {{RAW_TEXT}} 两处；[任务] 和 [输出要求] 两段是常量，整批复用同一个字符串。这样做的目的是排除输入差异带来的输出波动，之后如果输出还变，问题就落在模型行为上，而不是模板本身。

几个细节建议一并写进常量段：用成对分隔符包住原文，避免原文里的冒号、方括号被误认为指令；明确“只输出 JSON”，比事后清理代码块围栏省事；doc_id 要求原样回填，是为了下游能把结果和输入对上号，缺了它整批结果就得靠顺序猜。改写的场景同理，把“保留原意、不改动数字和专有名词”这类约束放进[任务]段，而不是每次手写。

对照三条样本的输出结构

三条样本提交后，不要只看摘要写得像不像，逐字段比对结构。重点记四类情况：多出的字段、缺失的字段、字段顺序变化、模型自行改写格式（例如把 keywords 从数组写成逗号分隔字符串，把布尔值写成“是/否”，或者在 JSON 外面加说明文字）。

字段             S1 长文        S2 短句        S3 含表格
 doc_id          回填一致       回填一致       回填一致
 summary         有             有             有
 keywords        5 个（数组）   3 个（数组）   4 个（数组）
 contains_table  false          false          true
 notes           空字符串       空字符串       说明了表格行列关系
 额外字段        title（多出）  无             无
 格式改写        无             结尾多一句说明  无

这张表的读法：title 是模型自己加的字段，说明“不要新增字段”这句话约束力有限，通常需要在模板里补一句反例说明，重新提交同一条样本确认；S2 结尾多一句“以上是摘要”，说明短文本上模型更容易顺着语气加话，可以在[输出要求]里把“不要输出任何解释性文字”提到第一条。顺序变化在 JSON 场景下一般不影响下游解析，但如果下游是按字符串切分处理，就必须改成走 JSON 解析，不要靠位置取字段。

缺失字段的处理要看缺失方式：如果某字段在三条样本里都稳定出现，只是某条空值，通常填空字符串或空数组即可；如果字段本身在部分样本里直接不出现，说明模型认为它“不适用”，这时要么在模板里写明“字段必须出现，无内容时填空”，要么把这个字段从必填改成可选，并在下游做默认值。这两种选择要在放量前定下来，不能边跑边改。

放量前先跑一小批并设校验

三条样本只证明结构可能对齐，不证明整批都稳。放量前先跑二十条左右，从真实清单里按长度和结构分层抽，覆盖前面那三类情况。跑完不看总量，看两个指标：字段完整率（按字段统计，不是按条）和异常样本清单。字段完整率能暴露某个字段是不是系统性缺失；异常清单要按类型归类——解析失败、缺字段、多字段、格式被改写、doc_id 对不上。

import json, re

REQUIRED = ["doc_id", "summary", "keywords", "contains_table", "notes"]

def check(raw, expected_doc_id):
    text = re.sub(r"^```(json)?|```$", "", raw.strip(), flags=re.M).strip()
    try:
        obj = json.loads(text)
    except json.JSONDecodeError as e:
        return {"ok": False, "type": "parse_error", "detail": str(e)}
    missing = [k for k in REQUIRED if k not in obj]
    extra = [k for k in obj if k not in REQUIRED]
    return {
        "ok": not missing and obj.get("doc_id") == expected_doc_id,
        "type": "field_missing" if missing else "id_mismatch",
        "missing": missing,
        "extra": extra,
        "kw_is_list": isinstance(obj.get("keywords"), list),
    }

脚本里的 REQUIRED 要跟模板里的字段一一对应，改模板就得同步改这里，否则校验形同虚设。kw_is_list 这类类型检查建议保留，格式被改写往往先出现在类型上。

不合格时的处理顺序建议是：先改模板（补反例、把硬约束前置、明确空值写法），用同样的二十条重跑；模板改过两轮仍然在同一位置出问题，再考虑在下游加容错解析，或者把该字段降级为可选。不建议一上来就写正则兼容各种输出形态，那会把问题锁死在代码里。

放量门槛按可验证项定，通常包含：二十条里没有解析失败；必填字段全部出现；doc_id 全部能对上；额外字段为零，或已明确加入白名单；布尔和数组类型没有出现字符串替代。这几项都过了再扩到全量，扩量过程中保留同一套校验脚本，对异常样本抽样回看。需要结合具体文本类型和下游使用方确认的部分——比如摘要长度上限、是否接受模型补充说明——应该在写模板时定好，不建议留到放量之后再协商。