用 AI 写说明书：图文对应怎么做

2026-10-08 发布来源：我告诉你AI导航阅读

拆开包装，说明书翻到第三页：图上画的是旋钮，文字讲的是卡扣；再往后翻，步骤编号从 4 直接跳到 6。让 AI 帮忙写一版，句子是顺的，图和文照样对不上，读者在这一页卡住，后面写得再好也没用。

图文对不上，多数不是写的人不认真，是图和文分开做、分开改。下面给一条从定场景到交叉核对的流程，六步各自留下什么、哪一步容易返工，一并说清。

先想清楚读者在哪一步翻开它

刚拆箱的人要的是「怎么装、怎么开机」，用了半年出故障的人要的是「这是什么声音、该按哪个键」。两种人翻到同一页，需求完全不同。场景定错，后面每一节都会跑偏。

做法是先把读者分成三种状态：第一次上手、日常使用、出问题时。三种状态各对应一章，不要混在一节里写。

返工代价大的是末了一步。前面五步的错都能局部改，编号一乱，整本都要重排。所以改完任何一张图，顺手把相关步骤的编号过一遍，比事后统一查省事。

图负责「长什么样、在哪个位置」，文字负责「什么情况下用、要注意什么」。图上已经用箭头标了按钮，文字里就不必再说「按钮在右下角」，该说的是「按住三秒，指示灯变绿再松手」。

重复的坏处不只是篇幅。同一件事说两遍，改的时候容易只改一处，图文打架就是这么来的。判断方法：遮住图读文字，读者能不能操作；遮住文字看图，读者能不能找到位置。两边都能，分工就对了。

「调整到合适位置」没法验证，「把旋钮转到刻度 3，听到咔一声」可以。差别在于后者给了完成标准，读者做完能自己判断对不对。

写法上有三个要求：动词具体、对象明确、结果可观察。涉及力度的，用「拧到拧不动为止」这类可感知的描述；涉及时间的，写秒数而不是「稍等片刻」。

读者遇到问题时，手里只有现象：机器在响、灯在闪、屏幕上跳出一行字。他不知道自己属于哪种原因，按原因编排的目录对他等于没有目录。

所以故障章按「听到什么、看到什么」分组，每组下面再列可能的原因和处理动作。同一现象对应多个原因时，按处理成本从低到高排：先让他试着重启和复位，再谈拆机。

终稿前的核对不用靠通读。把三份清单列出来，逐项对碰：图注清单（图 1、图 2 各自的说明）、步骤标题清单（按章节号排）、零件名清单（全文出现过的部件叫法）。

三份清单一对碰，常见的问题会自己浮出来：步骤号断号（4 之后直接是 6）、图号被引用但图不存在、同一个零件在正文叫「卡扣」在图注里叫「卡子」。这三类出现频率高，而且都能机械地查出来，不需要判断力。

这一步适合交给 AI：把三份清单原样贴给它，让它只做比对、输出差异列表，不许改写。整本说明书几百页，一次贴不完，要留意上下文窗口的容量，按章节分批贴，每批都让它先复述收到多少条再比对。

把产品资料和上面这条流程交给 AI，它能在几分钟内搭出章节和步骤的框架，这一步确实省事。但它不知道你这台设备的刻度范围、指示灯有几种颜色、复位键要按几秒。这些参数没给，它会用「通常」「一般」这类词糊过去，或者直接编一个看起来合理的数。

所以用法是分工：结构、句式、步骤的粗细交给它，所有具体数值和部件名称由你填。填完再让它读一遍，问「哪一步读者无法判断做对没有」，这类检查它做得不错。提示词里把角色和禁区写清楚，比每次临场描述稳。

还有一层：说明书常要配图，而模型看图的能力有限。让它描述一张已有的产品图，它能说出大概是什么，说不准接口在左侧还是右侧。多模态能力在「认出这是什么」上够用，在「这个按钮离边缘几毫米」上不可靠，位置和尺寸还得人对着实物标。

速查：图文对应的四条规矩

图管位置和形态，文字管条件和注意。

每步都要有完成标准，读者能自检。

故障章按现象分组，不按原因分组。

改图必改文，图号、步骤号、零件名三张清单对碰一遍。

说明书要多长？不按页数定，按「一次能完成的操作」定章节：装一个零件算一节，装完整机算一章。页数是结果，不是目标。
老产品没有电子版资料怎么办？先用手机把现有说明书按章节拍下来，让 AI 按新骨架重排目录，旧文字可以复用。但数字和部件名必须逐条核对——老版说明书本身也可能写错，照搬等于把错抄一遍。
要不要单独写术语表？要。同一个零件在全文出现三种叫法，读者会以为是三个东西。术语表列「标准叫法 + 别称」，再让 AI 按表把别称统一掉，这一步比人工通读快得多。