30 题只是例子：腾讯云工作台把草稿和线上分开测

30 题只是例子：腾讯云工作台把草稿和线上分开测

腾讯云智能体开发平台的《对话式应用开发与调优》最近更新时间是 2026-09-21 16:00:02。页眉写明文档经过 AI 辅助审校。智能工作台里和评测直接相关的技能，叫 ADP 应用评测。另外还有应用构建、运营分析和知识库文档管理。

评测可以整段用自然语言做完。来源有两种：历史对话，或者应用自己的功能点。工作台据此生成评测集，创建评测任务，调用裁判模型打分，再给出结果报告。低分用例可以接着要求分析原因并改应用，改完再测一遍。

页面给的示例问法是「帮我生成 30 题评测集并进行裁判模型打分评测」。30 题是这句示例里的数字，不是文档写明的上限或下限。裁判模型的名字、打分维度和及格线，这一页都没有写。

调试看的是草稿

对话调试用的是待发布配置，也就是草稿。客户实际访问的是已发布配置。只要还有没发布的改动，工作台里的调试结果就可能和客户看到的不一致。文档要求发布前再验证一次。

发布在应用页右上角。发布之后，如果要看线上质量，文档写的闭环是：搭建、验证、发布、评测、调优。

工作流每次改动都会自动存档，可以要求回到某个历史版本。对工作流，可以要求「对每条路径生成测试用例进行验证」。文档说工作台会做结构预检，也支持嵌套的子工作流。示例问法里还有「帮我跑一遍所有 Agent 的对话调试，并给出测试报告」和「帮我测试一下这个工作流每个分支流程，并给出测试报告」。这些报告长什么样，页面没有样例。

预期可以写进对话里，例如「我预期输入 xxx 时应输出 xxx」。不符合预期时，文档说工作台会分析原因并修复。它没有给出自动修复的停止条件。

近 30 天的对话

另一句示例是「帮我分析一下近 30 天的对话记录」。工作台拉取历史对话，输出用户意图分布、典型问题和回答质量。发现高频意图没覆盖、回答不满意时，可以继续要求定位并改应用。30 天同样是示例，不是文档规定的统计窗口上限。

应用先停在草稿。文档建议先做一个能跑的最小应用，再按真实对话多轮改提示词、工作流和配置。复杂业务系统的对接要分期做。构建效果取决于所选模型。工作流设计和代码节点这类复杂任务，文档建议换更强的模型，但没有点名哪一个。

四种应用模式都能用这套对话来创建和修改：标准模式、单工作流、Multi-Agent、Claw。智能协作和智能工作台共用 Skill、连接器和知识库。评测集的列结构、任务并发和费用，这一页都没有写。

限制

这一页是操作说明，不是一次公开跑分。没有模型分数，没有评测集规模的硬限制，也没有裁判模型的型号。30 题和 30 天都来自示例问法。草稿和已发布配置可能不一致，所以调试通过不等于线上通过。自动修复没有写停止条件。文档经过 AI 辅助审校，页内没有另附人工复核的范围。

腾讯云，对话式应用开发与调优，2026-09-21，https://cloud.tencent.com/document/product/1759/137902