跳转至

一试身手

这节课的计划如下：

  1. 以调试模式运行智能体，从多个不同角度测试它
  2. 评估每个回答——智能体用对工具了吗？引用来源了吗？写入操作真的生效了吗？
  3. 了解评估选项，并将你的智能体正式发布上线

目标

学完这节课，你将带着智能体完成四类对话：一次数据查询、一次事件查找、一次发表备注的写入操作，以及一个基于上下文来源的知识问答。你会使用调试界面实时观察每一次工具调用，并亲自判断这些回答是否准确、可信。

通过对话来测试

自动化测试能发现回归问题。手动对话测试发现的是另一类问题：智能体是否真的言之有理，是否给了你想要的东西。如果哪里不对——回去检查提示词。

运行对话测试时，重点看四件事：

  • 工具使用 —— 智能体调用了正确的工具吗？传入的参数合理吗？
  • 回答质量 —— 答案准确、格式清晰、详略得当吗？
  • 写入操作 —— 当智能体修改数据时，修改真的生效了吗？
  • 知识关联（Grounding） —— 当答案来自你的文档时，有没有正确引用来源？

围绕这四个类别精心挑选几段对话，就能对智能体的质量有一个可靠的判断。

操作步骤

1. 开始聊天会话

点击 Debug（调试），打开调试配置对话框。检查 Context 和 Processes 下列出的资源——这些就是智能体在会话期间可以访问的内容。

调试配置，显示已选择的上下文来源和流程工具

确认所有你想测试的工具和上下文来源都已勾选，然后点击 Save & Debug。

2. 查看聊天界面

聊天加载完成后，你的起始提示词气泡已经就位。

点击某个气泡，或输入你自己的消息。智能体收到的始终是完整的实际提示词——而不只是简短的显示文本。

智能体聊天首页，显示起始提示词气泡和消息输入框

3. 测试数据查询：发票支出

点击 How much did we spend last month?（上个月我们花了多少钱？）。实际发送给智能体的提示词是：

Calculate total sum of all invoices during last 30 days.

观察执行轨迹。智能体以 in_DaysAgo: 30 调用 Get Approved Invoices，并从 Data Fabric 收到完整的发票列表：

Get Approved Invoices 工具执行，显示输入参数和 JSON 输出

智能体随后处理数据，返回一份清晰的汇总：

对照你所了解的系统中的发票数量，检查这些数字和币种分布是否合理。

发票汇总结果，显示各币种总额和发票数量

4. 测试事件查找并写入备注

点击 How many things break recently?（最近坏了多少东西？）。实际提示词是：

In the last 7 days, what were top 5 support incidents, who was the assignee?

智能体以 in_TicketAgeDays: 7 调用 Get ServiceNow Incidents，得到一份近期工单列表，随后分析并给出前五名：

ServiceNow 事件结果，显示前 5 个工单的编号、日期和类别

注意，当初始结果中没有返回处理人信息时，智能体会如实指出，而不是编造数据。这是一个好迹象。

接下来是更有难度的一个。输入：

Add an internal note to first ticket, say "This is critical to address it with highest priority! Fix it asap!". Validate that the note is added because it's important!

智能体调用 Post ServiceNow Incident Note，然后立即运行 Get ServiceNow Incident Notes 来验证这次修改：

Post ServiceNow 备注的执行和验证，显示两次工具调用均成功完成

智能体没有一写了之、假设操作成功——它做了验证。这正是你应该关注的正确行为。

想彻底放心的话，可以请培训师直接在 ServiceNow 中查找该事件，检查活动时间线。智能体在真实系统中做出了一次真实的修改——备注一字不差地出现在那里。

ServiceNow 活动时间线，高亮显示来自 UiPath Labs 的新增内部备注

5. 测试上下文关联

最后，点击 Is UiPath platform Secure?（UiPath 平台安全吗？）。实际提示词专门询问的是 AI 安全特性。

智能体搜索 UiPath Security data 上下文来源，返回一个结构化的回答。点击引用标记（1）核实来源：

安全问题的回答，弹出的引用信息显示文档名称和页码

引用会链接回知识库中正确的页面。每次点击引用，你都会被带到源文档/文件。没有引用的回答——或者引用指向了错误文档——都是上下文来源需要重新检查的信号。

6. 评估你的智能体

在把智能体送入生产环境之前，你可以用两种方式测试它：

Debug Chat（调试聊天）

  • 在 Studio Web 中进行交互式测试，附带实时执行日志。
  • 用点赞/点踩反馈把结果加入评估集，并查看引用以追溯来源。
  • 非常适合开发期间的快速迭代——即时测试改动，边发现边收集边缘情况。

Evaluation Sets（评估集）

  • 单轮评估测试工具选择、语气，以及对单条提示词的回应。
  • 多轮评估携带完整对话历史进行测试，模拟真实的用户旅程。
  • 两种类型都支持基于执行轨迹和基于期望回答的评估器。还可以在同类模型之间做基准对比。
  • 用 Autopilot 通过自然语言描述自动生成评估集。

7. 正式上线

和其他 UiPath 解决方案一样，你的智能体需要发布并部署到一个文件夹中。

为了避免产生太多副本，大家可以共用这个已发布到 Conversational Agent 文件夹的智能体：直达链接。它会出现在 Deployed Agents（已部署智能体）列表中，你可以在这里监控统计和使用数据。用户发送的反馈也会汇总到这里：

智能体仪表盘

可观测性仪表盘让你深入了解智能体的表现。例如：

  • Business Intelligence（商业智能）可以跟踪消耗指标、活跃用户、消息数、对话数，以及反馈随时间的变化趋势。查看最常用的工具和最活跃的用户，从中发现采用模式和优化机会。
  • Compliance and Auditability（合规与可审计性）：完整的执行轨迹让你能够详细了解智能体的行为。AI Trust Layer Audit 会记录所有 LLM 调用，包括模型类型、数据驻留和 PII 脱敏状态，实现完整的合规可见性。
  • Feedback（反馈）：用户可以用点赞/点踩为回答打分。管理员在 Instance Management 中查看这些反馈，并把洞察反哺到评估集里，实现持续改进。

最后：

你甚至可以把对话式智能体嵌入到自己的应用程序里！

UiPath 对话式智能体很快将具备语音和 IVR 能力，支持客户端工具，并提供 WhatsApp 集成。但这个练习到此就完成了！前往总结页面，看看你都构建了什么。