语音 Agent 评测：15 项指标全绿仍遭投诉，该测什么？

一个开发团队的语音 Agent 评测约 15 项指标全部通过，客服仍持续收到投诉。人工检查录音后发现，Agent 长时间停顿后重复自己、提供预约时间的方式令人困惑，这些失败模式未被现有指标覆盖，团队希望探索失败通话聚类与批量审计等方法。