批量导入几千篇文档时，AI 自动标签和标题配图要不要一起开

批量导入几千篇文档时，把 AI 自动标签、标题配图、AI TDK 和 AI 写作一次全开，短期看省事，实际会让「哪一步出的问题」变得很难定位。更稳的顺序是：先让内容结构和字段稳定下来，再在导入流程里逐项打开 AI 能力，每开一项抽查一批，确认效果符合预期再叠加下一项。AnQiCMS 的批量导入支持 ZIP 压缩包与 Excel 表格两种载体，正好配合这种分步节奏。

导入前先定下的两件事

在碰任何 AI 开关之前，有两件事要先定。

第一件是自定义内容模型的字段。批量导入是按字段落库的，模型结构没稳定就导入，后面调整字段的代价会把整批数据牵动一遍。先确定这批文档要用哪个内容模型、有哪些自定义字段、哪些必填，让结构先固定。第二件是回退空间。文档状态分为草稿、待发布、正式与回收站，删除正式文档是移入回收站而非物理删除。导入前先约定：批量进来的内容先以草稿形态落库，留一批抽查合格后再统一转正式，别一上来就全量发布。

这两件定了，后面每一项 AI 能力才谈得上「可核对、可回退」。

几项 AI 能力各自适合开在哪一步

顺序的逻辑是：从影响面小的往影响面大的开。自动标签只动标签字段，出错好回收；TDK 关系到标题与描述，要单独抽查口径；标题自动配图会给每篇挂图，图不合适批量返工成本高，所以放在标签、TDK 都合格之后；AI 写作直接生成正文，属于「前面的规则都稳定了再谈」的能力——自 2023 年 4 月起站内就提供 AI 写作，可以分批接入而不是一次压满。

一次全开为什么不划算

一次全开最直接的代价是定位困难。几千篇跑完发现标签错、图也不对、描述还跑题，你没法判断是模型字段设错、还是某项 AI 能力的批量输入有问题，只能整批重做。分步开则相反：每加一项，异常都大致锁定在这一项上。

第二个代价是资源与排队。批量导入本身量大，再叠上自动配图与写作的生成开销，任务容易拥堵，进度和结果都不好观察。第三是核对量：这几项都是逐项可核对的能力，分开做能小批量抽样，全开就只能全量兜底。

站内怎么把节奏落到实处

落到操作上，一个稳妥的批量导入节奏是这样：先用 ZIP 或 Excel 导入一小批样本，只落草稿、不开任何 AI 能力，确认字段和内容模型对得上；再开 AI 自动标签，抽一批看标签质量；合格后再开 AI TDK 核对标题与描述；然后开标题自动配图看挂图是否贴题；最后才评估要不要接入 AI 写作补正文。每一步都保留草稿与回收站作为回退位，一旦某批不合格，退回上一步而不是整站重来。

这样几千篇文档虽然分了几轮跑，但每一轮都在可控、可核对、可回退的范围内，总耗时通常比一次全开出问题再返工要短。

常见问题

问：一次全开省事，为什么要分步？ 答：全开出错难定位、批量返工成本高；分步能让异常锁定在单项能力上，便于小批量核对。

问：自动配图能放在第一批就开吗？ 答：不建议。配图批量返工代价大，应在标签、TDK 抽查合格之后再开。

问：导入时怎么留回退余地？ 答：先以草稿形态落库，删除走回收站，抽查一批合格后再统一转正式。

问：AI 写作适合和导入一起做吗？ 答：适合分批接入。字段与其它 AI 能力都稳定后，再评估是否用 AI 写作补正文。