大规模替代文本，以及它无法做的检查

让替代文本变好的要素，写成问题

多数替代文本指南是一列原则。把原则变成带有已声明答案的问题，你就得到了可以在每一张曾经发布的图上运行的东西。

其中四件是机械性的：长度、措辞、结构，以及它是否只是重复图注。有一件是判断，而那一件该打分数，而不是回答是或否。

它无法做的检查，以及为什么它比其余都重要

纯文本模型读你的替代文本。它从来看不到你的图片。TypeSafe 的文档说，输入必须是字符串、JSON 对象或文本值组成的数组，而且图像目前还不支持。

所以它能确认你的替代文本是一段格式良好、长度恰当、不重复的描述。它无法确认这段描述是否属实。

“一只蓝色沙发上熟睡的金色寻回犬”完美通过每一项机械检查。如果照片是厨房地板上的一只猫，模型无从知晓，而屏幕阅读器用户会被以十足的信心告知一件假事。这种失败比缺失替代文本更糟，因为缺失的替代文本至少对那道缺口是诚实的。

这是最值得记住的单一限制，它适用于每一个纯文本检查器，不止这一种。

所以把它配对用，别只信它一个

真正管用的设计，是用两种不同的工具对付问题的两个不同半边。

让决策模型在大规模上处理机械规则：每周在站点每一张图上跑一遍，花几美分。这一遍能找出空字符串、被当成描述粘进去的文件名、替代文本只是重复图注的那四十张图，以及以“图片中的”开头的那些。

然后让有眼睛的东西 —— 一个视觉模型，或一个人 —— 在样本上、以及在分数标记为含糊的任何东西上，确认文字与图片相符。那比全部小得多的一堆，正是重点。

写好评分量表，让分数有意义

有用性这个问题是分数，不是是/否，而分数需要带定义的分级。两到十级的评分量表正是这类模型所期望的，级别由你来写。

这里用四级很合适：useless、vague、adequate、good。useless 是文件名或空字符串。vague 是“产品照片”。adequate 点出主体和场景。good 给读者本该从看图得到的东西，包括周围文字要紧的那个细节。

在跑任何东西之前先把定义写好，并用手工对照它们给三十个真实例子打标签。那组打了标签的集合会告诉你分数是否在跟你的判断走，即使你从不安自动化也值得拥有。

state: { "alt": "...", "caption": "...", "page_title": "..." }

questions: {
  "describes":       { "type": "noul", "instructions": "替代文本描述的是可见的内容，而不是在命名一个文件或类别。" },
  "redundant_open":  { "type": "noul", "instructions": "替代文本以“图片中的”、“照片中的”或“图中的”开头。" },
  "length_ok":       { "type": "noul", "instructions": "替代文本少于 125 个字符。" },
  "repeats_caption": { "type": "noul", "instructions": "替代文本几乎一字不差地重复图注。" },
  "usefulness":      { "type": "score", "instructions": "这对看不见这张图的人会有多大用处？",
                       "criteria": ["useless", "vague", "adequate", "good"] }
}

第一次扫描通常会发现什么

预期结果比你以为的更糟，比你害怕的好修。

常见的发现到处都一样：忙碌某个月里一批完全没有替代文本的图、某人粘进文件名的那一段、以及替代文本又是图注的长尾。这些没有一个需要判断才能修。它们需要一张清单。

含糊的那些，才是分数派上用场的地方。“我们的新系列”在技术上算描述，却没告诉屏幕阅读器用户任何东西，而机械规则永远不会抓到它，因为它长度正确、也不重复任何东西。

并且在你写的任何选项上都声明一个退出项。一项 2026年9月20日 发布的、预先注册过的独立评测发现，在没有“这些都不是”可用时，三十个超出范围的输入没有一个被标记 —— 最近的已声明答案回来时看起来已经定了。

• 为社交帖子写替代文本
• 决策模型为你的工具改变什么
• 整理素材库

诚实的总结

你可以用每遍几美分，把替代文本质量控制的五分之四自动化，而且你应该这么做，因为替代方案是根本没人检查其中任何一项。

你无法自动化那五分之一 —— 它问文字对图片是否属实 —— 而那一项在出错时最伤读者。让人或视觉模型永久地、在样本上，守住那一项。

任何向你推销“纯文本工具、号称能对照图片核验替代文本”的人，描述的都是其文档说模型做不到的事。