最近，关于 Roku 平台上 AI 生成内容频道的讨论又多了一个典型样本，标题直接用了“worse than expected”来评价。这句话最值得琢磨的地方在于，它并不仅仅是在抱怨“AI 能力不行”。如果用户一开始就没抱期待，顶多说一句“果然不行”；而能在预期已经很低的情况下仍然被打差评，说明问题已经从“模型能力”蔓延到了产品化、工程化和内容运营的每一个环节。
这篇文章我想换个角度来聊这件事。很多人把 AI 生成内容质量差归因于“模型笨”“数据脏”或者“prompt 没写好”，但从 Roku 频道这个案例可以看出，AI 生成内容真正失控，往往不是因为单个环节裂开，而是从生成到上线的整套链路都没有做好质量定义。文章会拆解 AI 生成内容变成“数字垃圾”的技术原因，然后给出一套可以在实际项目中落地的质量评估和审核思路，并提供简单的 Python 脚本和配置示例。
如果你正在做 AIGC 工具、短视频脚本生成、知识库问答、内容平台自动化生产，或者只是想把 AI 生成内容接入自己的业务，这篇文章值得读完。你要关心的重点不是“怎么让 AI 生成更惊艳的内容”，而是“怎么让 AI 生成内容不至于在规模化之后把品牌和流量一起拖垮”。本文会围绕 Roku 案例，从商业逻辑、工程链路、质量护栏、效果验证和常见排错五个角度展开，最后给出可直接复用的工程清单。
1. 什么是“AI slop”：Roku 案例揭示的内容质量失控
“slop”这个词在英文互联网语境里，指的是大量、低质、几乎不加修饰就被生产出来的内容。它和传统意义上“差内容”最大的区别是规模：过去一个编辑状态不好，最多毁掉一篇文章；当 AI 成为内容生产线，低质量内容可以被批量地复制、分发、铺满整个频道。Roku 频道被称作“AI slop channel”，本质上是在说：这个频道看起来是内容平台，实际上更像是一个无人维护的内容垃圾场。
要理解用户为什么给出“worse than expected”的评价，需要先分清两层问题。
第一层是内容质量本身的崩塌。如果 AI 生成的内容只是水平普通，用户可能还会把它当作“低配版节目”勉强看下去。但当内容里出现大量重复情节、空洞的旁白、前后矛盾的事实、生硬的语音合成，用户就会意识到自己是在消费一堆没有灵魂的模板输出。
第二层是平台治理的失位。内容差不可
