AI复核项目建议出现优先级偏差，通常先要判断偏差集中在哪些建议、偏向哪个方向，再按输入数据、排序规则、依赖关系、人工校准四层逐项验证。排查从整理一份可核对的偏差条目清单开始，处置时先修复字段和规则，再调整依赖与排序结果，最后用同一批建议回放复核确认偏差是否消除。
要点总览（TL;DR）
- 先整理偏差条目清单，记录原定优先级、期望优先级、偏差方向与集中范围，把笼统感受转成可核对对象。
- 按输入数据、排序规则、依赖关系、人工校准四层逐项验证，每层用字段填写、规则对照、依赖登记、复核记录等证据判断原因是否成立。
- 处置遵循先低风险后高风险：补字段、调规则、补依赖、人工抽检，批量重排前备份原结果并限定影响范围。
- 修复后用同一批建议回放复核并人工抽检，建立字段完整率、规则一致性、依赖登记等定期检查项防止复发。
偏差出现在哪些建议上：先界定症状与范围
“优先级偏差”是一种笼统感受，排查的第一步是把它转成可核对的对象清单。没有这份清单，后续讨论容易停留在“感觉排得不对”，无法判断问题出在数据、规则还是依赖。清单应覆盖被高估和被低估两类建议，逐条记录原定优先级、期望优先级、偏差方向，以及该建议所属的项目、团队和时间段。
整理清单时，可以按以下口径归类：
- 偏差方向：AI给出的优先级高于业务判断，记为高估；低于业务判断，记为低估。两个方向的原因往往不同，高估常见于规则权重过期，低估常见于关键依赖漏判。
- 集中范围：偏差集中在某一类项目、某一个团队，还是某一段时间提交的建议。集中性越明显，越可能指向同一层原因。
- 伴随现象：偏差条目是否同时存在关键依赖漏判、截止时间缺失或资源占用未登记。伴随现象是进入下一层验证的线索。
- 影响面：这些建议是否已经进入排期、是否影响风险识别结论，决定排查的紧迫程度。
本次排查聚焦项目状态与风险层面的优先级问题，即某条建议在项目推进和风险处置中应被多快处理。报告成稿、团队效能诊断等议题不在本次范围内，避免排查目标发散。清单完成后，应能回答三个问题：偏差有几条、偏向哪个方向、集中在什么范围。这三个答案决定后续从哪一层开始验证。
逐层验证：偏差的可能原因与排除证据
优先级偏差的原因可以归为四层：输入数据不完整、排序规则与业务目标脱节、依赖关系未被识别、复核结果缺少人工校准。四层之间可能叠加，排查时要逐层找证据，证据不足的假设保留为待验证，不直接写成结论。
输入层：项目建议字段是否完整
AI复核依赖项目建议中的目标、截止时间、依赖关系、资源占用等字段。字段缺失会直接削弱排序依据：缺少截止时间的建议难以体现紧迫性，缺少资源占用的建议难以判断投入产出，缺少依赖描述的建议无法反映前置约束。验证方法是抽取偏差条目，逐条检查上述字段是否填写、填写是否具体。若被低估的建议普遍存在字段缺失，输入层原因成立；若字段完整但排序仍偏差，则排除输入层，进入规则层。
规则层：排序规则是否仍对应业务目标
排序规则通常由权重和判断条件组成，例如按风险等级、交付时间、影响范围加权。业务目标变化后，旧权重可能不再适用，多条规则之间也可能出现冲突，比如一条规则强调临近截止，另一条强调高影响范围，同一建议在两条规则下得到相反结论。验证时把当前排序规则与近期业务目标逐条对照，检查权重是否过期、规则之间是否存在互斥条件。可观察证据是：偏差条目是否集中在某条规则生效的区间内。规则冲突或权重过期成立时，处置方向是调整规则而非修改单条建议。
依赖层：关键依赖是否被识别
依赖漏判是优先级被低估的常见原因。一条建议本身影响范围有限，但它阻塞了其他高优先级工作，实际应被提前处理。若依赖关系未登记，AI复核只能看到建议自身的信息，排序自然偏低。验证方法是检查偏差建议的前置与后置关系是否已登记，并核对是否存在“被其他工作引用但自身未标注依赖”的情况。依赖漏判成立时，补录依赖后重新复核，观察优先级是否回到合理区间。
校准层：复核结果是否经过人工确认
AI复核输出的是建议，采用前应有责任人确认。若团队把复核结果直接写入排期、无人复核，偏差就缺少拦截环节。验证时查看复核记录：偏差条目是否有确认人、确认时间，是否有人提出过不同意见但未被处理。校准层原因成立时，问题不在AI输出本身，而在采用流程缺少确认动作。
| 层次 | 原因假设 | 验证证据 | 排除判断 |
|---|---|---|---|
| 输入层 | 目标、截止时间、依赖、资源占用字段缺失 | 偏差条目的字段填写情况 | 字段完整且具体，排除输入层 |
| 规则层 | 权重过期或规则之间冲突 | 规则与业务目标对照、偏差集中区间 | 规则与目标一致且无冲突，排除规则层 |
| 依赖层 | 关键依赖未登记，导致优先级被低估 | 前置后置关系登记情况 | 依赖已完整登记，排除依赖层 |
| 校准层 | 复核结果未经人工确认直接采用 | 复核记录中的确认人与确认意见 | 每条结果均有确认记录，排除校准层 |
四层验证不必全部走完。若某一层证据明确成立，可先处置该层，再回放观察剩余偏差是否消失；若多层同时存在疑点，按输入、规则、依赖、校准的顺序处理，因为后层判断依赖前层数据的准确性。
按排查顺序处置：从输入修复到规则调整
处置顺序遵循“先低风险、后高风险”的原则：补数据和改规则影响范围可控，批量重排会改变已有排期，放在后面处理。每一步都应设定停止条件，出现异常时暂停而不是继续推进。
- 补齐必填字段并重新复核。针对输入层验证中发现的缺失字段，逐条补录目标、截止时间、依赖和资源占用，然后对同一批建议重新生成复核结果，对比修复前后的优先级差异。停止条件：补录后偏差条目没有变化，说明输入层不是主因，转入规则层。
- 核对并调整排序规则。把规则与当前业务目标逐条对照，标记过期权重和冲突条件，调整后先在偏差条目上试算，确认结果符合预期再应用到更大范围。涉及规则变更时，先备份原规则和原复核结果，限定变更只影响本次排查涉及的项目范围。
- 补录关键依赖并观察变化。对依赖漏判的条目补登前置与后置关系，重新复核后观察优先级是否回到合理区间。若补录依赖引发连锁调整，先在小范围内确认影响，再决定是否扩大。
- 人工抽检调整后的结果。从调整后的建议中抽取若干条，由业务负责人对照项目实际状态判断排序是否合理，确认没有产生新的偏差。抽检发现异常时，回到对应层次重新验证，不直接修改单条排序结果掩盖问题。
批量重排前需要明确三点：备份原复核结果和原排期，限定重排影响的项目与时间范围，设定停止点——例如重排后高优先级建议数量异常增加或减少超过预期，应暂停并复查规则。处置过程中保留每一步的操作记录，便于后续对照。
在ONES中，项目建议、工作项和迭代数据是AI复核的输入来源。ONES Assistant 智能助手能够理解项目、工作项、迭代和 Wiki 页面等真实工作上下文，基于相关项目数据和团队知识回答问题并执行后续操作；围绕项目进展、工时投入、缺陷分布和资源配置，它可以生成进展分析、根因判断和资源合理性建议。这意味着补录字段、核对规则、回放复核这些动作可以在同一套项目数据上完成，减少因数据分散导致的输入不完整。ONES 的 AI 能力基于权限体系进行知识问答和任务执行，输出过程可追踪、结果可审计，便于在人工抽检环节核对每条建议的来源与处理记录。排序规则的权重配置方式、依赖关系的登记与检查方式，需以实际产品配置为准。
验证恢复与防止复发
处置完成后，需要用同一批建议回放复核，对比修复前后的优先级分布。回放的价值在于控制变量：同一批输入、同一套规则，只改变被修复的部分，观察偏差条目是否回到期望区间。若偏差条目大部分恢复合理，说明定位的原因成立；若仍有条目偏差，说明还存在未识别的层次，需要补充验证。
回放之后进行人工抽检。抽取若干条建议，由业务负责人对照项目实际状态判断排序是否符合预期，重点检查此前被高估和被低估的条目。抽检结论应记录在案，作为本次修复是否完成的依据。
防止复发依靠定期检查，检查项应可量化、有责任人和固定频率：
| 检查项 | 检查内容 | 建议频率 | 责任人 |
|---|---|---|---|
| 字段完整率 | 项目建议中目标、截止时间、依赖、资源占用的填写比例 | 每周 | 项目管理员 |
| 规则与目标一致性 | 排序规则权重是否仍对应当前业务目标，是否存在冲突规则 | 每月或业务目标调整后 | 项目管理负责人 |
| 依赖登记情况 | 关键建议的前置后置关系是否完整登记 | 每两周 | 项目经理 |
| 复核确认记录 | AI复核结果是否均有确认人和确认意见 | 每次复核后 | 建议采用人 |
本次偏差的原因、处置步骤和回放结果应整理成记录，与后续复核结果对照。当同类偏差再次出现时，可以直接比对历史记录，判断是旧原因复发还是新原因出现，缩短下一次排查的时间。记录中应写明偏差方向、涉及范围、成立的层次和采取的处置动作，便于不同责任人接手时理解上下文。
常见问题
偏差条目不多，还需要走完四层验证吗？
不需要逐层走完。四层验证的目的是找到证据，某一层证据明确成立时，可以先处置该层，再回放观察剩余偏差是否消失。若偏差条目少且集中，通常一两层就能定位原因；若多层同时存在疑点，按输入、规则、依赖、校准的顺序处理，因为后层判断依赖前层数据的准确性。
补录字段后重新复核，偏差没有变化，说明什么？
说明输入层不是本次偏差的主因，应转入规则层验证。补录字段属于低风险操作，即使没有解决偏差，也提升了后续复核的数据质量。此时不要反复修改字段试图影响结果，而应把注意力放到排序规则与业务目标的对应关系上。
调整排序规则会影响已经在排期中的工作吗？
规则变更本身只影响后续复核结果，但若据此批量重排，就会改变已有排期。处置时应先备份原规则和原复核结果，限定变更只影响本次排查涉及的项目范围，并设定停止点，例如重排后高优先级建议数量异常增减超过预期时暂停复查。已经进入执行的工作，重排前需与相关责任人确认。
人工抽检应该抽多少条、由谁来做？
抽检数量没有统一标准，可按偏差条目数量和建议影响面确定，重点覆盖此前被高估和被低估的条目。抽检人应是熟悉项目实际状态的业务负责人，而不是执行复核操作的人。抽检结论需要记录在案，作为本次修复是否完成的依据；发现异常时回到对应层次重新验证，不直接修改单条排序结果掩盖问题。
ONES 中能否直接查看复核结果的来源与处理记录？
ONES 的 AI 能力基于权限体系进行知识问答和任务执行，输出过程可追踪、结果可审计，便于在人工抽检环节核对每条建议的来源与处理记录。ONES Assistant 智能助手能够理解项目、工作项、迭代和 Wiki 页面等真实工作上下文，基于相关项目数据和团队知识回答问题并执行后续操作。排序规则的权重配置方式、依赖关系的登记与检查方式，需以实际产品配置为准。
