全栈可观测平台
全栈可观测平台
文档指南
请输入
- 文档首页
全栈可观测平台全景观测通用 AI 应用监控AI 应用洞察洞察概述
复制全文
下载 pdf洞察概述
文档反馈
问问助手AI 应用洞察是基于大模型的智能分析模块，通过配置洞察规则，对 AI 应用产生的历史会话进行批量分析与判断，帮助您从海量多轮对话中快速识别低质量会话、量化评估应用表现，持续提升 AI 应用的服务质量与用户满意度。适用于AI 应用质量批量检测、专项问题排查和会话满意度分析等多种场景。
基本概念
- 洞察规则：用于定义 AI 会话分析目标、判定标准和输出要求的规则要求。
- 洞察任务：基于指定洞察规则，对符合时间范围和筛选条件的 AI 会话执行批量分析的任务。
- 洞察结果：依据洞察规则针对每个 AI 会话输出的判定结果，包括标签和判定理由。
适用场景
- 批量检测 AI 应用质量：目标工作内存在大量对轮会话数据时，人工质检成本较高。此时，可使用 AI 应用洞察对历史会话进行批量分析，不仅能快速获取整体质量分布和问题线索，而且能有效降低检查成本。
- 专项问题排查：当需要聚集特定 Agent 服务、特定用户 ID 或 Token 用量较高等某一类会话时，可在洞察任务中配置过滤条件以缩小分析范围，聚集符合条件的会话进行集中分析，能够减少无关数据干扰，帮助您更快定位问题。
- 会话满意度分析：当需要评估 AI 应用是否有效满足用户诉求时，可使用系统预置的“会话满意度”规则对历史会话进行评估分析。系统将根据“会话满意度”规则中定义的角色、判断依据等标准，对历史会话进行分析并给出判定标签和判定理由，帮助您快速掌握整体满意度分布，定位用户不满意的问题类型。
使用流程
- 选择洞察规则：定义会话分析时采用的角色，以及判断依据、多轮会话评估准则和输出规则。决定系统如何分析会话、输出哪些标签和判定理由。
- 创建洞察任务：基于洞察规则、分析时间范围、Agent 服务和数据过滤条件对指定会话进行批量分析。
- 查看洞察结果：任务完成后将自动为每个会话生成洞察报告，不仅支持查看不同标签的数量和占比分布、筛选需要重点关注的会话，而且能结合标签属性值和判定理由，了解问题线索。此外，针对需要进一步核查的会话，可前往 LLM 会话分析 页面查看详细信息，针对性优化系统 Prompt、知识库、工具调用或产品流程，并通过后续洞察任务验证优化效果。
最近更新时间：2026.09.16 10:23:29
这个页面对您有帮助吗？
有用
有用
无用
无用