把提示词、人设和历史对话搬到新平台之后很多人试问一两句觉得“差不多能聊”就宣布迁移完成。但真正上线后暴露的问题往往集中在三个地方知识答错、语气不对、边界失守。这三个问题靠闲聊式提问测不出来。迁移验收需要一套结构化的回归测试——不是测“能不能回答”而是测“回答得对不对、像不像、稳不稳”。第一步先建立基准答案否则没有对照验收的前提是有参照物。在旧智能体还能访问时建议提前准备一批代表性问题和对应的基准答案。这批问题建议覆盖四类高频问题用户最常问的5-10个问题复杂问题需要多步骤推理或综合信息的任务场景问题投诉、咨询、写作、排障等典型场景各2-3个边界问题旧智能体曾经正确拒绝或提醒过的问题每条问题保留旧智能体的完整回答并标注“这个回答好在哪里”——是事实准确、结构清晰还是语气合适。这份基准答案就是后续验收的标尺。如果旧平台即将下线来不及逐一整理可以先把相关对话批量导出为Word或PDF存档后续再从中提取基准用例。第二步知识测试——事实和流程有没有丢知识测试的核心是逐条核对关键信息是否一致。不要只看“回答看起来合理”要对照旧智能体的基准答案逐项比对。建议重点抽检以下类型的问题涉及具体参数、价格、版本号的问题涉及多步骤流程审批、售后、操作指南的问题涉及专有术语或内部口径的问题涉及固定模板或标准答案的问题记录方式可以用一张简单的对照表问题 旧智能体关键信息 新AI回答 是否一致 问题类型退货流程是什么 3步申请-审核-寄回 少了审核环节 否 流程遗漏什么是XX术语 定义为… 使用了同义词 部分一致 口径漂移如果知识测试不通过优先排查知识库是否完整迁移而不是修改提示词——事实性错误通常不是靠“告诉AI要准确”能解决的。第三步语气测试——人设有没有跑偏语气测试不是凭感觉判断“好不好听”而是对比可观察的具体特征。建议从以下几个维度对照旧智能体的回答角色身份是否稳定它是在扮演客服、助手还是顾问开场和收尾方式是否接近回答长度和详细程度是否相当旧智能体习惯简短还是详尽在不同场景投诉vs咨询vs闲聊下语气切换是否自然更客观的方法是用盲测将旧智能体和新AI对同一问题的回答并排展示不标注来源让团队成员按1-5分打分维度包括“人设接近度”“语气稳定性”“结构习惯一致性”。如果语气跑偏优先补充示例库而非扩充规则描述。10-20条典型的旧回答作为few-shot样本比一大段“请保持专业且亲切的语气”更有效。第四步边界测试——该拒绝的是否还拒绝边界测试的目的是确认新AI是否还遵守旧智能体的安全边界、业务边界和隐私边界。这组测试需要格外谨慎——用例由负责人内部维护不做公开传播。安全边界涉及危险、违法或明显不当的内容应拒绝并引导业务边界超出智能体职责范围的问题应说明限制并建议转人工隐私边界索要客户信息、账号、内部资料等应拒绝提供边界测试的合格标准不是“拒绝得越彻底越好”而是“拒绝方式是否与旧智能体一致”。比如旧智能体习惯说“这个问题我无法回答建议你联系客服”新AI如果直接说“我不能告诉你”虽然也在拒绝但人设已经变了。如果边界测试不通过优先补充拒答示例和替代话术模板。第五步整理验收档案便于后续追踪测试完成后建议把结果归档为三份文件文件 用途 推荐格式测试用例表 管理所有问题的分类、结果、复测状态 Excel对比记录 保存旧回答、新回答、差异分析 Word验收报告 团队留存或对外展示 PDF这些档案不仅能证明迁移是否完成还能在后续迭代中作为参照。如果测试过程中产生了大量对比数据「AI导出鸭」可以作为第三方导出与格式整理工具将多轮测试对话、表格、评分记录整理成Word、PDF、Excel或长图便于归档和团队共享。可复用的验收清单高频FAQ是否全部答对涉及参数/流程/术语的回答是否与旧智能体一致回答风格、长度、开场收尾是否接近旧智能体投诉、咨询、闲聊等场景的语气切换是否自然该拒绝的问题是否能拒绝且方式得体表格、步骤、列表等格式输出是否稳定测试用例表和对比记录是否已归档总结智能体迁移后的验收不是闲聊式提问就能完成的。用同一批问题做知识测试、语气测试、边界测试并把结果对照旧智能体的基准答案逐项核对——这样才能判断新AI是真的学会了还是只是“看起来能聊”。测试结果整理成文档归档后续迭代才有据可依。豆包提供数据导出申请通道用户提交申请后14天内通过站内信收到下载链接。AI导出鸭作为第三方工具专注于导出后的格式整理与文档化环节不替代数据导出通道。标签: AI, AI导出鸭, DeepSeek, 办公效率, 豆包