别只问一道友好的问题，让它连续面对难缠顾客
Travis Cronin 近日在 Hacker News 介绍 ClientCoded，称他与联合创始人一起开发这个项目。他们在开发前与工程团队交流，发现不少团队仍靠人工抽查，或让另一个 AI 判断回答好不好。团队把选题放在这道缺口上：助手已经做出来了，接下来怎么判断它能不能正常接待人？
按照产品的使用说明，团队先提供自己的助手入口、产品介绍、目标顾客和常见异议。ClientCoded 再生成不同的虚拟顾客，与助手一来一回地聊。有人准备购买，有人对价格不满，有人不断换话题。这里的 AI 既用来扮演提问的人，也参与检查对话；测试关注的不只是措辞顺不顺，还包括有没有记住前面说过的话、重复询问，或在需要时把问题交给人。
查内部资料时，答案不能只靠另一个 AI 猜
聊天质量可以按规则检查，但“还剩多少待处理问题”这类问题有明确答案。ClientCoded 的另一条测试路线，是让团队描述资料表的结构，比如有哪些客户、任务和状态字段，再生成同样结构的虚拟数据和问题。助手根据这些测试资料作答，报告把答案与计算结果逐项比较。
官网还提供上线后的对话检查：把对话接入后，用规则发现空回复、循环和重复，再让 AI 检查信息、语气或转交人工方面的问题，出现质量下降时向团队发提醒。需要追查内部步骤的开发者可以接入 Python 记录工具。PyPI 的平台发布记录显示，ClientCoded 0.4.0 于 9 月 9 日上传；Chrome Web Store 也列有同名测试扩展，开发者联系地址与官网一致。两处记录能核对产品入口，但评分能力仍需结合自己的任务判断。
小团队能借鉴的，是先说清楚怎样才算做对
这个项目的切入点不是再做一个客服，而是围绕 AI 助手做检查工具。团队在官网说明，他们也曾发布自己的助手，却缺少客观衡量其表现的办法，于是开始建设持续测试。对开发者而言，先列出几种会出问题的情况，以及正确的下一步，比只问“回答有没有礼貌”更接近业务需要。
发表于 2026-9-15 02:23:55
