2415 通电话实测:给外呼 Agent 开联网搜索反让预订准确率掉 5 分
Evening_Hawk_7470 · reddit · 2026-11-19
作者基于 voygr 与 placecall 的 Local Search Benchmark(50+ 城市、345 条提示、2415 次评测,覆盖 gpt-5.2、gemini-2.5-flash、claude-sonnet-4-5、sonar-pro,并用真实拨号验证)分享了三个反直觉发现:
- 搜索提升发现、损害执行:联网搜索让通用信息发现 +10+21 分(gpt-5.2 总分 90.7),但 claude-sonnet-4-5 与 gemini-2.5-flash 在交易类任务上因开启搜索掉了 5 分以上——搜索引擎把 Yelp、TripAdvisor 和过期博客里带转发号码的旧信息排在商家真实电话之前。
- 搜索无法清除已关店信息:不开搜索时 claude-sonnet-4-5 约 20% 结果有致命错误(已倒闭/不存在/区域错误),开搜索后最好也只降到约 8%,且全部 7 种配置都对一家停业一年多的布宜诺斯艾利斯餐厅给出了自信的预订建议。
- 约束准确率波动达 16 分(85%69%),因为目录是静态快照,缺少实时库存/容量。
架构启示:把粗搜索与拨号前的号码验证分开。美国业务可组合 pre-dial place lookup + PlaceCall(拨号即声明 AI 身份、$0.10/有效应答、空号或占线免费);个人临时核查可用 Google "Let Google call";非美国或入站场景用 Vapi/Retell 自建并自行清洗聚合站号码。
「编程与Agent」频道最新
- LangChain Managed Deep Agents 首日接入 Gemini 4 Neon — hwchase17 · 2026-11-19
- OpenAI 调查:研究员愿以 40% 团队编制换取保留前沿编码 Agent — daveholtz · 2026-11-19
- badlogic:堆 lint 和测试骗不过会 reward hacking 的 agent — teropa · 2026-11-19
- 用 color skill 驱动 GPT-6.2 Astra 生成 TiKZ 独角兽插画 — Angaisb_ · 2026-11-19
- 受不了 agent 写 500 行代码?Ponytail 让它先复用现有组件 — techNmak · 2026-11-19
- 最大规模智能体群 dataset 开源:1000 个 agent、32M 词留言板 — dh7net · 2026-11-19