AI Agent 一旦接入业务系统，最危险的不是它偶尔答错，而是低把握结果被当成确定结果继续流转。客服回复可以重写，分析报告可以修改，但客户状态、权限字段、合同备注、库存数据一旦被写错，后面就会牵出更多修正成本。
质量门禁就是给 Agent 输出加一道进入业务系统前的检查。它可以和 上线准入清单、OpenClaw 审批队列、人工接管台 放在一起看：上线前检查能不能跑，运行中检查能不能写，异常时检查能不能接回来。
先区分草稿和写入
同一条 Agent 结果，作为草稿和作为写入动作，风险完全不同。比如一段客户跟进建议可以先给销售看；但如果它要自动修改 CRM 阶段、发送邮件或关闭工单，就必须经过更严格的门禁。
所以质量门禁的第一条规则，是按动作分级。只读、草稿、提醒可以宽一点；写入、外发、删除、权限变更要严一点。不要把所有输出都当成同一种风险。
低置信度要自动降级
低置信度不一定代表失败，它更像一个交通信号：可以继续整理资料，但不该直接执行。触发低置信度的原因可能是资料冲突、工具失败、用户意图不清、字段缺失，也可能是 Agent 自己给出了不确定说明。
这时更好的处理不是让流程报错，而是降级为人工确认、补充资料或生成草稿。前面写过 意图识别置信度，它解决的是理解阶段；质量门禁解决的是执行前最后一关。
证据链不完整就不要写
很多错误不是模型不会推理，而是来源证据不完整。比如客户是否承诺续费、合同是否允许折扣、知识库哪条规则最新，如果没有明确来源，Agent 不应该把结论直接写入系统。
质量门禁要检查来源链接、资料时间、工具返回和字段来源。这个思路和 数据血缘说明 一致：结论要能追到来源，写入也要能追到依据。
格式校验只能算底线
JSON 合法、字段齐全、枚举值正确，只能说明结果格式没坏，不代表业务判断正确。很多团队把格式校验当成质量门禁，最后发现写进去的内容虽然格式正确，但业务含义错了。
真正的质量门禁应该同时看格式、证据、权限、影响范围和回滚方式。尤其是高风险动作，要和 授权边界 配合，确认这个 Agent 当前有没有资格执行这一步。
总结
AI Agent 质量门禁的价值，是阻止低置信度、证据不完整、格式异常或权限不清的结果直接进入业务系统。Agent 可以先生成草稿，可以请求人工确认，也可以暂停等待资料，但不应该把不确定性悄悄写进生产数据。
