上周五，我在杭州远程接单，遇到一个很具体的麻烦
一个自由职业朋友把 80 多条客户需求转给我，问“该接哪几单”。我先按行业、预算和截止时间人工筛选，20 分钟过去，仍然漏了两单。后来我又花时间把标准写成提示词，来回复核一遍，整套流程做了近一个小时。我也卡过：不是 AI 不够聪明，而是我把“理解问题”和“做判断”混成了一件事。
这次我试的是“一次给答案”的决策模型
Google 发布了 Gemini Decision 1，以及对应的 Gemini Decisions API。它不是陪我们聊天写长文，而是专门给选项打分：可以判断是否通过、选择多个答案，或按评分表打分；文字、图片、音频、视频和 PDF 都能作为输入，一次最多处理 1000 个问题，并返回置信度。发布会在 2026 年的 AIE CODE 活动上公布，Sundar Pichai 和 Logan Kilpatrick 做了介绍。Cloudflare 的 Michelle Chen 也在同一场活动分享了生产模型的使用经验。
对咱们更实用的场景是：先由人整理出清晰选项和判断标准，再让模型按固定规则给出结果。比如给咨询线索判断优先级、按品牌规范给 50 条文案评分，或者从收到的附件里提取可判断的信息。它适合“已有标准，只需快速归类”，不适合替你决定客户关系、价格策略和复杂取舍。
今天复刻它，钱不多，但准备条件不能省
官方价格是每百万个输入单位约 0.10 美元，输出不另外收费；一次普通的小批量判断，费用大概率不到 1 美元。真正的时间成本在整理规则：我第一次大约用了 2 小时，把客户需求拆成“预算是否匹配、交付时间、风险等级”三部分。技术门槛不算高，但要接受通过 Google 的开发控制台连接服务，并准备一个简单程序来发送问题；完全不懂代码的人，可以先让会一点技术的同事或服务商协助。
第一步不是急着调用模型，而是打开 Gemini Decisions API 的介绍页，确认你的账号和地区可以使用；随后用测试页面提交 3 个选项、一个评分标准和 5 条样本。只有人工判断结果基本一致，再放进真实客户资料。这也不是所有人都需要：如果每天只有几条消息，手工分类可能更稳；现在不试也没事。
按你的阶段，我会这样安排
刚起步
如果你每月才遇到几批线索，我会先用表格人工判断。等同类问题超过 30 条、每次至少花 30 分钟，再做一个很小的分类实验，避免为了自动化而自动化。
有 1-2 个客户
如果你已经有固定客户，我会把双方确认过的交付标准写成评分表，让模型负责初筛，自己复核最终结果。先从低风险任务开始，比如素材合规检查或工单归类，不要直接决定是否续约。
在扩规模
如果团队每天要处理大量咨询、简历或内容审核，我会保留人工抽查，并记录每次误判。连续两周稳定后，再考虑批量处理；同时保留原始材料和判断依据，方便追溯。AI 可以帮你缩短重复筛选时间，但客户承诺和最终责任仍要留在人手里。