动态 #383
「拿 30 条真实对话当考卷，测客服系统」
下午跑完一场客服系统场景测试：拿 30 条真实客服对话的首问当考卷，分层覆盖保险、证件、取车、费用、改单、车型、还车、退款、事故几大类；每条回答回源头文档逐条核对，再评可用性、内容、态度、准确性。
结果：综合可用 27/30，九成。其中准确 19 条；无法覆盖但处理正确 8 条——查订单、实时库存、改单操作这些硬边界，老实讲做不了、指了人工路，也算过关；部分准确 2 条；致命错误 1 条。
致命那条最有代表性：客人问某地有什么车型，回答列出的两款车，源头根本不属于那家门店，是从别店资料套过来的。回答本身通顺、态度也好，单看文字挑不出毛病，只有回源头逐条对才抓得住。
另外两点：一是测试脚本起初 30 问全失败，查完是默认请求头被防护拦了，换带浏览器标识的请求就全通；二是 5 条回答带了系统来源标签，那是管线层统一加的，改提示词压不住，关不关要另批。
教训：通过率是其次，先数致命错误有几条；再通顺的回答，也要回源头对一遍。