15 项指标全绿用户仍投诉:语音 Agent 该测什么?
Ok-Panda5537 · reddit · 2026-11-15
一位开发者分享了自己团队语音 Agent 评测的困境:他们写了约 15 项指标(任务完成率、工具调用成功率、延迟、若干 LLM judge),全部通过,但客服仍持续转来投诉。
人工听录音才发现的真实失败模式包括:Agent 在长时间停顿后重复自己、提供预约时间的方式令人困惑。这些问题都不在任何现有指标覆盖范围内。楼主想知道其他人如何发现「还没写指标之前」的失败模式,是否有人对失败通话做聚类或批量审计。
「编程与Agent」频道最新
- Perplexity API 新增 max_staleness：强制重新抓取网页，每次 0.001 美元 — VeryWellVersed · 2026-11-15
- 「反复截图直到 9 分」工作流引热议：AI 自己迭代 UI 而非人工指挥 — lxfater · 2026-11-15
- 开发者晒 T3 Code 界面：452 个已完成任务线程同时待命 — yihui_indie · 2026-11-15
- 曝亚马逊筹备 World Product Graph 收编全网商品数据，剑指 AI 购物代理 — jomic01 · 2026-11-15
- Google Labs 开源 15 个 AI Design Skill,UI 设计可直出 React 组件 — tokumin · 2026-11-15
- 20 个 GitHub 仓库把 Fable 5.2 变成全套动效工作室：3D、特效、导出全覆盖 — PrajwalTomar_ · 2026-11-15