自动报告越来越常见以后，很多人评价它的第一标准还是“写得像不像人”“字数够不够多”。可对心理测评来说，这些都不是最核心的问题。自动报告真正该被问的，是解释链条有没有断。
如果前面的计分、换算、解释和提示之间对不上，报告写得再长，也只是把不稳定的东西包装得更完整。
自动报告不是文学写作，它首先是解释系统的一部分
一份报告要先回答：分数怎么来的、放在什么常模里、维度意味着什么、哪些提示可以给、哪些边界不能越。这些如果不清楚，后面的语言再流畅，也不算真正可靠。
所以自动报告的核心，不是“像不像咨询师写的”，而是“有没有解释依据”。
解释链一断，最常见的问题是看起来专业，实际容易误导
有些报告会把量表分数直接翻译成笼统判断，有些会过度延展，把本来只能提示风险的结果写成确定结论。读起来很顺，但一旦离开量表规则，就容易失真。
像AI生成心理报告这类讨论之所以强调可信度，就是因为生成速度从来不是唯一标准。
真正稳的自动报告，要把“能说什么”和“不能说什么”都写进系统里
好的系统不只会生成段落，还会把解释边界写进规则，例如什么情况下只提示关注、不下结论，什么维度之间可以联动解释，什么内容需要谨慎展示给不同角色。
只有边界被系统化，自动化才不容易变成失控。
采购自动报告系统时，最好先问“解释透明吗”
与其只问能生成多少字，不如问：计分规则是否可追溯？常模来源是否清楚？不同版本的解释是否一致？自动报告好不好，不在于写得多，而在于解释链有没有断。
对真正重视质量的机构来说，值得用的自动报告系统，首先应该是解释稳定，其次才是表达顺畅。