为何这一点很重要
Astra AI Agent 的成效完全取决于其使用的知识和指令。知识不全、指令不清或测试不足都可能导致回复不准确、不完整或超出预期范围。
配置良好的 Agent 应能根据您认可的业务知识提供有用的回答，识别出无法回答的问题，并在需要人工协助时转接对话。
定期的测试和评估还可以帮助您在客户发现问题之前找出差距。
适用对象
如果您符合以下情况，则适用：
您正在配置或管理 Astra AI Agent。
您的 Agent 使用多个知识源，例如网站、文档、问答或 WhatsApp 对话。
您希望提高 Agent 回复的质量和一致性。
您希望降低不支持或范围外回复带来的风险。
以下情况可能不适用：
您正在寻找从零开始创建 Astra AI Agent 的说明。
您正在排查特定的 Agent 问题，例如 Agent 无响应或未使用特定知识源。
术语表
知识源 (Knowledge sources)
Astra 在回复客户时可以使用的信息。您可以添加网站、文档、问答和 WhatsApp 对话等来源。
指令 (Instructions)
定义 AI Agent 行为方式的规则和指南，包括应回答什么、何时拒绝请求以及何时将对话转接给人工。
聚焦搜索 (Focused Search)
当您的业务拥有多个知识领域时，Astra 可通过此功能帮助 AI Agent 从最相关的知识源中检索信息。
评估 (Evaluation)
一种在部署前评估 AI Agent 行为的方法，以便您找出需要改进的地方。
技巧
更喜欢可视化演示？请观看我们关于 Astra AI agent 最佳实践的视频指南：
技巧 1：构建全面的知识库
为何重要
您的 AI Agent 需要相关且最新的业务信息才能提供有用的回答。缺失或过时的信息会限制 Agent 正确回答客户问题的能力。
如何操作
添加与您用例相关的知识源，包括网站、文档、问答和 WhatsApp 对话。在适当的情况下，将信息组织成有意义的业务领域。
如果您的业务涵盖多种产品、服务或知识领域，您不一定需要为每个领域单独配置 Agent。使用聚焦搜索帮助 Astra 从最相关的知识源中检索信息。
成果
您的 Agent 可以访问所需信息，并能跨业务的不同领域检索相关知识。
技巧 2：在指令中明确边界
为何重要
AI Agent 不应自行推断何时该回答、拒绝或请求人工帮助。模糊的指令可能导致 Agent 尝试回答超出其预期范围的问题。
如何操作
明确定义：
Agent 应回答什么。
应使用哪些知识。
当信息不可用时该怎么做。
哪些请求超出其范围。
何时拒绝回答。
何时将对话转接给人工。
例如，指示 Agent 使用现有知识进行回答，且不得编造或假设知识源中不存在的信息。
成果
Agent 的行为边界更清晰，更有可能妥善处理不支持或范围外的问题。
技巧 3：针对渠道设计 Agent
为何重要
根据 Agent 使用渠道的不同，客户体验和配置要求可能有所不同。
如何操作
在创建和配置 Agent 时考虑预期的渠道。Astra 目前要求针对 WhatsApp 和 网页聊天插件 分别配置 AI Agent。
如果您在两个渠道上都使用了 Agent，请统一其相关知识、指令和回复准则，以确保客户获得一致的体验。
成果
您的 Agent 是在充分考虑预期客户体验和渠道要求的前提下进行配置的。
技巧 4：部署前进行测试和评估
为何重要
Agent 看似配置正确，但仍可能产生意想不到的回复。测试有助于您在客户与已部署的 Agent 互动之前发现问题。
如何操作
测试现实场景，包括：
Agent 应回答的问题。
需要来自不同知识源信息的问题。
超出 Agent 范围的问题。
应拒绝的请求。
应触发人工转接的情况。
在部署 Agent 之前，请务必运行一次评估。如果 Agent 的行为未达标，请查看并更新其知识或指令，然后再次进行测试和评估。
成果
在向客户部署 Agent 之前，识别并解决了回复质量问题。
技巧 5：仅在评估更改后发布
为何重要
测试和评估只会改善您当前配置的版本。客户需要您发布经过测试的版本，这些更改才能在已部署的 Agent 中生效。
如何操作
更新知识、指令或配置后：
测试更改。
运行评估。
查看结果。
根据需要进行进一步改进。
在对 Agent 的行为感到满意后发布更改。
成果
您部署的版本反映了您所测试和评估过的更改。
技巧 6：持续审查并改进 Agent 行为
为何重要
您的业务知识和客户问题会随时间而变化。随着产品、政策或流程的变更，表现良好的 Agent 可能也需要更新。
如何操作
定期审查 Agent 对话并识别：
Agent 无法回答的问题。
不正确或不受支持的回复。
知识源中的缺口。
过时的信息。
不必要的拒绝或人工转接。
Agent 未按预期执行的指令。
利用这些发现来更新您的知识源或指令。在发布前再次测试和评估更改。
成果
您的 AI Agent 始终与您当前的业务信息和客户需求保持一致。
如何判断其是否有效
定期查看 Agent 的对话和评估结果。寻找以下方面的改进：
Agent 回答了更多其预期应处理的问题。
回复基于您现有的业务知识。
超出范围的问题按您的指令处理。
在适当的时候进行了人工转接。
需要纠正或客户补充澄清的回复减少。
更新知识或指令后，评估结果有所提升。
没有单一的准确性指标可以保证 Agent 在所有客户场景下都能正确表现。请结合评估结果和对话审查来找出改进领域。
要避免的常见错误
添加大量信息却未将其组织成有用的知识源。
假设 Agent 会自动知道何时该拒绝或转接对话。
未考虑 Agent 是用于 WhatsApp 还是网页聊天插件，而使用相同的 Agent 配置。
未测试真实客户场景就部署 Agent。
部署前跳过评估。
进行了更改但忘记发布。
认为初始设置已完成，从未审查过 Agent 对话。
更新指令时未检查底层知识源是否也需要更新。
🚀 接下来做什么
既然您已经配置并评估了 Agent，请定期查看其对话以识别知识缺口和意外行为。在发布未来更改之前，利用这些发现持续改进您的知识源和指令。