拿100个真实客户问题，让AI答，人工打分：
遇到答不上的问题，能不能爽快转人工，别绕。
问些奇怪问题、无关问题、违规问题，看AI会不会瞎答、会不会乱接话。
同时100个客户来咨询，系统稳不稳、会不会崩、速度会不会变慢。
别一上来全量推给所有客户：
测5件事：回答准不准、回复快不快、转人工顺不顺、遇到答不上的怎么办、高并发稳不稳。这五项测完再上线。
拿100个真实客户问题，让AI答，人工打分。准确率80%以上再上线。低于70%别上线，客户体验会崩。
首字回复<2秒，完整回复<5秒。超过5秒客户就不耐烦了。慢了换轻量模型、精简prompt。
直接上线客户第一印象差——答非所问、答得太慢、答不上来还硬撑。第一印象崩了，以后再改客户也不信了。
先给内部员工用，再给10%客户用，没问题再全量。别一上来就全量推给所有客户。