AI客服知识更新后，怎样做回归验收？

更新生效前，先记录这五项

每次更新前，建议先记录资料来源、旧版本、新版本、生效时间和负责人。产品与品牌方调整会员权益、课程时间或售后口径时，要区分"已经生效"和"未来生效"；销售机构调整门店安排时，要区分不同地区和产品。

外呼营销类项目还要多确认一项：新口径是否影响了咨询意向判断和转人工条件。这几个判断一旦跟着资料变化，人工侧接到的咨询质量也会随之改变。

还有一点要提前说明：未经确认的资料，不应因为已上传就被视为正式答案。上传只是动作，确认才是生效条件。

回归范围由影响面决定

建议先测试本次改动涉及的问答、预约和提醒，再覆盖原有关键流程。范围由影响面决定，不必机械地重复无关样本——改一句课程时间，不需要把全部历史问答都跑一遍，但与之关联的预约和提醒必须重测。

先说清"答对"指什么

判断回答是否正确，至少有四种不同方式，测试表里要写明这一条用的是哪一种，而不是笼统地记"通过"或"不通过"。

这四种方式不要合并成一个"综合分数"——合并之后数字好看，但看不出问题出在表达、事实还是执行上，也就无从改起。

样本怎么准备

每个样本的预期结果应由业务人员先写好，再开始测试——避免事后看着回答反过来调整标准。测试过程中分别保存知识版本、输入内容、实际回复、动作结果和判断依据。

样本由两部分组成：保留原有通过样本，再增加与新资料相关的正常表达、模糊表达和冲突表达。只测标准问法是不够的，用户实际说话往往不标准。

对于需要专业人员判断的问题，正确结果可以是说明限制并转人工，而不是给出一个看似完整却越权的结论。这类样本应单独标注，不并入常规通过率。

结果怎么记

事实核对和动作验证建议分开记录，同时列出总样本数、未执行和无法验证的数量。分母不同的比例不能直接比较——一个用"已核对样本"作分母，一个用"总样本"作分母，放在一起比会得出错误结论。

同一测试集比较不同版本时，要保持测试身份、前提和判断标准一致。如果想观察多次运行的差异，就逐次保留结果，不要只挑最好的一次。

同一测试集比较不同版本时，要保持测试身份、前提和判断标准一致。如果想观察多次运行的差异，就逐次保留结果，不要只挑最好的一次。

上线后观察与恢复条件

发布时需要记录批准版本、未覆盖范围、上线观察人和恢复旧版本的条件。上线观察人这一项常被省略，但它是"出问题后谁第一个处理"的答案。

发布后出现的新问题，应加入后续测试集。这里有个常见的坑：只修当前问法，却遗漏了同一规则下的其他表达——问法改了，换个说法问还是会出错。因此修复后建议把同一规则的多种表达一起补测。

是否具备自动测试、版本回退或结果看板，我们会按项目条件与你确认；没有这些能力时，也可以先用人工测试表执行。需要说明的是，自动评分是辅助证据，不能代替对关键事实和执行记录的复核。