AI 说"已完成"，交付物却是空的
任务状态是绿的，写着"已完成"。
点开交付物：标题在，正文只有一段，参数表是空的，配图占位符没换。
这种情况在 AI 生产里出现得比想象中频繁，而且原因不在模型。模型确实"完成"了它理解的任务，只是没有任何一环检查过产物到底长什么样。状态机看到函数返回了就标绿，返回的是一句"已为您生成 20 条优质标题"也一样标绿。
门禁要解决的正是这件事。下面按"拦什么"来讲，而不是按功能模块讲。
一、拦假装成功
有一类失败最阴险：产出看起来完成了，实际什么都没有。模型说"已处理"，但没给结果；说"已生成 20 条"，但列表是空的。
这类问题的判定方式很朴素：产出里必须有证据。 声称生成了 20 条，就必须真的有 20 条可数的条目。声称修改了某个文件，就必须有该文件修改后的内容。声明本身不算证据。
我们在门禁里专门留了一条规则叫 no_mock_success，就是干这个的。名字直白，因为要拦的东西也很直白。
判断一个 AI 生产系统有没有在管这件事，方法很简单：让它做一件产出可以计数的事，比如"写 20 条标题"，然后看返回。如果状态是成功但内容里数不出 20 条，而系统没有任何反应，那就是没人管。
二、拦不该出现在交付物里的东西
产物本身是好的，但里面混进了不该给客户看的内容。这类问题最难发现，因为产物"看起来"完全正常。
常见的有四种：
| 混进来的东西 | 例子 | 后果 |
|---|---|---|
| 计费与内部元数据 | 产出里带着 token 用量、内部编号、成本字段 | 客户看到内部定价逻辑 |
| 提示词残留 | 正文里留着"以下是你要的内容：""作为一个 AI 助手" | 一眼看出是机器直接吐的 |
| 敏感词 | 平台禁售词、医疗功效表述、绝对化用语 | 上架被驳回，甚至扣分 |
| 调试信息 | 报错堆栈、模型名、重试次数 | 显得系统不稳定 |
前两类可以靠规则自动拦。"作为一个 AI 助手，我将为你……"这种开场，我们单独设了一条拦截规则。理由很简单：客户买的是成品交付，不是一段被机器转述的过程。
后两类要靠清单，而且清单得跟着平台更新。上架类内容里，敏感词检查是每次都要跑的，不是抽查。
三、拦跑偏
产物质量没问题，格式也没问题，但讲的是另一件事。
跑偏有三种典型：
主体跑偏。 需求是 A 型号的详情页，产出通篇在讲 B 型号。这类错误在批量任务里出现得最多，特别是同一批里混了多个 SKU 的时候。
结构缺失。 需求写了要有五个部分，产出只有三个。少的那两个通常是最后两个，因为模型写长了容易收尾。
结构不可解析。 人眼看得懂，但机器读不了。表格分隔符错位、标题层级跳跃、JSON 多了个逗号。人看着没问题，下游系统直接挂。
这三类对应的门禁，核心不是"判断好坏"，是对照需求逐项核对。需求里写了什么，产出里就得有什么，少一项就拦。这类规则实现起来不复杂，但它能挡掉大部分返工。
四、最容易自欺的一层：写在文档里，还是跑在执行路径上
前面三类都是"拦什么"。这一节是"拦得住吗"，也是我最想让人注意的部分。
一条门禁有三种状态：
| 状态 | 含义 |
|---|---|
| 运行时生效 | 每次执行都会真的跑，不合格就停 |
| 仅声明 | 文档里有这条规则，但执行路径上没有它的代码 |
| 硬拦截 | 命中即终止，不进入下一环节，也不进人工队列 |
"仅声明"是这里唯一危险的状态。 它看起来和"运行时生效"没有区别，都写在门禁清单里，都有一个像模像样的名字。区别只在于：跑一次不合格的产出，它会不会真的拦住。
所以判断一个 AI 生产系统有没有真在管质量，不要去数它有多少条规则。要去测它：
故意喂一个必然不合格的产出，看它拦不拦。 比如给一个缺了两个必备章节的稿件，看系统是放行、退回重试，还是标记为待人工确认。
拦不住，那清单上的条数就只是文档长度。
这个测法只需要一次，成本极低，但能立刻分辨出纸面门禁和真门禁。我建议所有上 AI 生产的团队都先做这一步，再谈门禁条数。
五、门禁不只挂在产出上，还挂在岗位身上
产出只是最后一道。在产出之前，得先保证干活的岗位本身是装配完整的。
一个岗位要能上线干活，至少要具备五项：
| 门禁项 | 检查什么 |
|---|---|
| 工作台配置 | 这个岗位的输入输出界面是不是真的存在 |
| 能力配置 | 它声称会做的事，有没有对应的能力定义 |
| 交付档位 | 产出是文稿、表格还是结构化档案，有没有声明 |
| 能力快照 | 当前这版能力是可复现的，不是临时拼的 |
| 黄金样例 | 有没有一份"做对了长什么样"的参照物 |
五项缺一，这个岗位就不该对外开放。缺"黄金样例"的最常见——没有参照物，就没法判断产出是好是坏，只能靠人感觉。
这也是为什么岗位的完整度要显示成分数而不是状态。分数能看出缺几项，状态只能看出"没齐"。
六、门禁有成本，别把它当免费的
门禁太松，等于没有。门禁太严，会拦掉合格产出——这类叫误拦，代价是返工和人工介入量上升。
三个降低误拦成本的做法：
把不确定的判定交给重试，而不是直接拒。 结构不可解析这类问题，重试一次往往就对了。直接判死会让失败率显得很高。
给人工复核留出口，并且记录原因。 被拦下的东西不该直接消失，应该带着"为什么被拦"进入人工队列。这些记录本身很有价值，它们暴露的是规则和真实标准之间的偏差。
区分"每次都要跑"和"定期抽样"。 事实一致性、敏感词、结构完整这类每次都要跑。语气风格、创意水平这类不定期抽检就够了。全都每次跑，成本会失控。
三个容易搞混的地方
门禁不是评测。 门禁是每次执行都跑的下限检查，拦的是"不合格"。评测是定期的能力测量，看的是"好到什么程度"。两件事经常被混成一件事，结果是门禁被写成了评分表，每次运行都要跑一堆主观判断，又慢又不准。
门禁不替代人的签字。 门禁能保证产出不是废的，不能保证它是对的。涉及对外发布、付费调用、写外部系统这类动作，仍然需要人在闸门前签字。
门禁条数不是指标。 生效条数和误拦率才是。一份 100 条的门禁里如果有 60 条是"仅声明"，这套系统的实际防护能力只有 40 条的量，但管理层会以为有 100 条。
相关阅读
延伸阅读：Onworkly 交付保障：质量门禁与人审机制、为什么 ChatGPT 写的文案不能直接用？——AI 交付的质量门禁、智能大脑完全指南：从一句话目标到任务交付。
数字员工在我们这里怎么编排、怎么过质量门禁，AI 中心里有完整的岗位和编队说明。