agent-eval-kit：检查 AI 电话接线员回答正确性的评测工具包

agent-eval-kit 是一个用于检查 AI 电话接线员回答是否正确的事实评测工具包。它通过普通代码抽取回复中的价格、预约时间、紧急处理、转介和保修承诺等六项信息，与隐藏评分表比对，并支持比较两次运行的变化。工具包包含 15 个通话场景、3 家虚构企业及 109 项自动测试，其中的智能体替身均为规则程序，尚未用于真实产品通话记录。