它不是崩掉的，是悄悄错的：AI 应用验收的四道闸门与 20 条检查项

Agent 跑通了，然后呢？AI 应用没有确定预期，通过二字要重新定义：测的不是它说了什么，是它做完之后世界变成什么样。本文给出反向定义法与四道闸门，把 Anthropic 评测体系落成五张表，附 8 种模式验收矩阵与上线清单。让它上线前先崩。