本指南介绍了如何使用 Dialogflow CX 控制台中的内置评估功能来验证智能体的功能，并防止更新后出现任何回归。Dialogflow CX 提供开箱即用的指标，可帮助您评估智能体的表现。
除延迟时间外，所有指标都需要至少一个测试用例，即 Dialogflow CX 用于比较代理性能以计算其性能的“黄金响应”。每个测试用例都可以在环境中进行衡量，这样您就可以指定在代理性能评估中使用的不同版本的 playbook、flow 和工具。
（可选）创建环境
创建环境是可选操作。如果您未创建，则默认值为草稿。
- 如需创建环境，请点击左侧菜单中的环境，然后选择 + 创建。
- 选择要用于衡量代理性能的 playbook、流程和工具的版本。
- 点击保存以保存环境。
创建测试用例
您可以选择通过对话记录中的现有对话创建测试用例、创建新对话以保存为测试用例，或将测试用例导入 Dialogflow CX。
在控制台中创建测试用例
- 在左侧菜单中，前往对话记录。
- 如需创建新对话，请激活您的代理（例如，通过拨打代理的手机号码），以便在对话记录中创建对话。选择您要用作测试用例的对话。
- 查看对话，验证智能体的回答、调用的工具以及每个回答的语气。满意后，点击窗口右上角的创建测试用例。
- 为测试用例提供显示名称，并指定您对对话级层应发生的事件的预期。这可能包括您希望在对话中调用的工具、playbook 和 flow。点击 +添加预期以添加更多预期。如需按列出的顺序（从上到下）评估预期，请切换依序验证。
- 点击保存以保存测试用例。
上传测试用例
- 测试用例必须采用以下 CSV 格式。
- 如需将测试用例上传到系统，请点击测试用例菜单顶部的导入。
- 在弹出的菜单中，选择本地存储的文件或输入其 Cloud Storage 存储桶的路径。
- 您的测试用例现在应该会显示在测试用例菜单中。
运行测试用例
- 点击左侧菜单中的测试用例，然后选择要与代理进行比较的测试用例。这可以是单个测试用例，也可以是多个测试用例。
- 点击运行所选测试用例。
测试结果
- 访问结果：测试运行完成后，每个测试用例的最新测试运行执行结果会显示在测试用例视图中：
- 语义相似度：衡量智能体的对话与“黄金回答”（测试用例中的回答）的相似程度。必须提供黄金回答才能获得此指标。值可以是 0（不一致）、0.5（有些一致）或 1（非常一致）。
- 工具调用准确率：一个值，反映对话中包含预期在对话期间调用的工具的忠实程度。值范围为 0-1。如果对话中未使用任何工具，则准确率将显示为
--（不适用）。 - 延迟时间：智能体处理最终用户请求并响应用户所需的总时间（用户话语结束与智能体响应开始之间的时间差）。单位为秒。
- 更新黄金测试用例：如果最新运行反映了因智能体更新而发生的预期更改，您可以点击“另存为黄金测试用例”以覆盖原始测试用例。
- 过滤和排序结果：您可以按任何生成的指标或特定环境过滤和排序评估结果。这对于跟踪每次更新后的性能变化非常有用。
批量导入测试用例格式
本部分介绍了如何设置 CSV 文件的格式，以便为代理导入批量测试用例。系统会读取此文件，以创建一组结构化的测试用例，每个用例包含一个或多个对话轮次。
一个测试用例可以跨越 CSV 文件中的多行。测试用例的第一行定义其整体属性（例如其名称和语言）。该测试用例的每个后续行都定义了对话中的单次来回轮次（用户说了一些内容，代理应该回复）。
标题
CSV 文件必须将标题行作为第一行。此标题定义了每列中的数据。
必需标头
两个必需的标题必须按所示顺序排列。对于新测试用例的第一行，这两者都是必需的。您可以通过提供新的 DisplayName 和 LanguageCode 值来启动新的测试用例。
DisplayName：测试用例的名称。此字段仅在新测试用例的第一行中填写。LanguageCode：测试的语言代码（例如en、en-US、es）。
可选标头
您可以添加以下任何可选标头，为测试用例提供更多详细信息。在最前面的两列必填列之后，这些列可以按任意顺序排列。
测试用例元数据
- Tags：用于整理测试的以空格分隔的标记（例如，“payments onboarding”）。
- 备注：自由文本备注或测试用例用途说明。
TestCaseConfigV2.StartResource：指定用于开始测试的流程或 playbook。
用户输入
UserInput.Input.Text：用户在给定轮次中“输入”的文本。UserInput.InjectedParameters：要在对话轮次开始时注入对话的参数，格式为 JSON 字符串。
智能体输出
AgentOutput.QueryResult.ResponseMessages.Text：您断言代理回复的确切文本。AgentOutput.QueryResult.Parameters：您断言由智能体提取的参数，格式为 JSON 字符串。
预期
OrderedExpectations.ExpectedFlow：您希望在对话轮次后处于活跃状态的 flow。OrderedExpectations.ExpectedIntent：您希望与该轮对话匹配的 intent。OrderedExpectations.ExpectedAgentReply：您希望智能体回复的文本。可以是完整回复的子字符串。OrderedExpectations.ExpectedOutputParameter：您希望在对话轮次结束时设置的参数，格式为 JSON 字符串。
音频元数据
AudioTurnMetadata基于音频的测试的元数据，格式为 JSON 字符串。
构建测试用例
测试用例按数据行进行整理。
- 如需开始新的测试用例，请填写其元数据行。
- 规则：此行的“
DisplayName”列中必须有值。 - 操作：输入
DisplayName和LanguageCode的值。您还可以在此行中添加标记、备注或TestCaseConfigV2.StartResource。 此行中的对话轮次列（例如UserInput.Input.Text）应留空。如果使用标签，请用空格分隔每个标签。示例：tag1 tag2 tag3。如果使用TestCaseConfigV2.StartResource，请在资源名称前加上start_flow:或start_playbook:。示例：start_flow:projects/p/locations/l/agents/a/flows/f。
- 规则：此行的“
- 在测试用例正下方添加一个新行，为刚刚开始的测试用例添加一个对话轮次。
- 规则：
DisplayName列必须为空。这会告知解析器，该轮次属于上一个测试用例。 - Action：填写描述用户操作和此轮对话中预期智能体回答的列，例如
UserInput.Input.Text和OrderedExpectations.ExpectedAgentReply。对于需要 JSON 的列，您必须以字符串形式提供有效的 JSON 对象。示例：{"param_name": "param_value", "number_param": 123}。
- 规则：