一、谁在调这个工作流

用户不直接打开工作流。他打开的是一个智能体，说一句话，智能体决定调不调。 所以测试分两层：链本身跑不跑得通（10.3 节验过了），智能体判不判得对（这一节）。 第二层比第一层重要。 链做得再好，判错了用户走不到链上。

这一层的测试方法很土：列二十句真实用户会说的话，人工标一遍该走哪条，再让判断逻辑跑一遍，数错几句。

二、五句话三条路

三类去向：调工作流（有链接或有明确的扒文案意图）、直接答（自己写文案）、问回去（拿不准）。

五句判对四句。错的是最后一句：它含「文案」，被判成「自己写」，可用户要的是扒别人的。 错在关键词表只认字面。 「文案」两个字既可能是我写给你，也可能是你扒给我。 修法不是加更多关键词，是换判据：有链接才调工作流。没链接的，一律问回去。这条规则简单，而且不会错。

三、仿写的两种坏法

仿写出来不能直接发，要过一道相似度检查。三种情况：

阈值定在 0.85 和 0.2：高于 0.85 打回，低于 0.2 判跑题。 这两个数不是拍脑袋来的——10.1 节量过四句话，1.00 是抄，0.27 和 0.47 是仿写，0.00 是跑题。 但阈值只能筛两端。0.60 那一档（只换两个词）按阈值算合格，人一看还是抄。

所以最后一道是人。 工作流出草稿，人点发布。这一条在 10.1 节就定了，这里只是把它变成代码。

四、平台变了怎么办

短视频平台的接口没有承诺。域名会换、字段会改名、接口会下线。三种变化的代价不一样：

注意第一行：换域名只改一行。这是因为两个插件是独立节点，外面那层变化全被挡在插件里。 如果把请求写进代码节点呢？换一次域名要改整段代码，还要重新测。 插件不只是「调接口方便」，它是给外部世界留的一道隔离墙。 墙那边怎么变，墙这边不动。

五、上线前还要试什么

一、没字幕的视频：有的视频压根没字幕，有的字幕是自动生成的乱码。两种都要兜底。 二、长视频：十分钟的视频字幕几千字，两个大模型节点会不会超上下文。 三、连发：用户一次粘五条链接，五次调用会不会互相踩。

第四样是超时。插件接口慢的时候，整条链会挂在那儿，用户看到的是转圈。 四样里前两样这次没测——沙箱里只有一段六句的字幕。没测的就说没测，别写成「已验证」。

六、动手 Demo：智能体测试：三类输入，两种坏法

五句话分三条路，看判断逻辑错在哪一句；再拿三组句子量相似度，定阈值。 最后一节讲平台变了要改哪几处。

KEY2 = [u'douyin.com', u'复制打开', u'v.douyin']

def intent(t):
    if any(k in t for k in KEY2):  return u'调工作流'
    if u'文案' in t:                return u'直接答'
    return u'问回去'

实跑输出：

--------------------------------------------------------------------
智能体测试：三类输入，两种坏法
--------------------------------------------------------------------


  ① 五句话，三条路
  --------------------------------------------------------------------

| 用户说什么 | 判成 | 该走哪条 | 对不对 |
|---|---|---|---|
| 3.24 复制打开抖音，看看【英语老张】的作品 # 英语学… | 调工作流 | 调工作流 | 对 |
| https://v.douyin.com/iRNBho6u/ | 调工作流 | 调工作流 | 对 |
| 帮我写一段关于健身的文案 | 直接答 | 直接答 | 对 |
| 我昨天看了个视频挺好的 | 问回去 | 问回去 | 对 |
| 这条视频的文案帮我扒出来 | 直接答 | 问回去 | 错 |

  五句判对 4 句。
  错的是第五句「这条视频的文案帮我扒出来」——它含「文案」，被判成自己写，可用户要的是扒别人的。
  第四句「我昨天看了个视频挺好的」没有链接，问回去比瞎猜强。

  ② 仿写的两种坏法
  --------------------------------------------------------------------

| 类型 | 仿写结果 | 相似度 | 能发吗 |
|---|---|---|---|
| 换词 | 问题不在训练量，在于你没把动作做标准。 | 0.47 | 能发 |
| 没改 | 问题不在词汇量，在于你没把句子说完整。 | 1.00 | 判重 |
| 跑题 | 今天天气不错，适合出门走走。 | 0.00 | 不能发 |

  没改的 1.00，跑题的 0.00，换词的 0.47。中间那段才是能发的。
  这条检查要写进流程：相似度高于 0.85 打回重写，低于 0.2 判跑题。两个阈值都比人眼看得准。

  ③ 平台变了怎么办
  --------------------------------------------------------------------

| 变的是什么 | 要改哪里 | 代价 |
|---|---|---|
| 解析接口换域名 | 改插件里的 url，一行 | 链不动 |
| 返回字段改名 | 改后面节点的变量引用 | 两三处 |
| 接口下线 | 换一个插件，或者改用人工上传字幕 | 整条兜底支路 |

  这就是「两个插件」这个设计的好处：外部变化全被挡在插件里。
  如果没有插件、把请求写进代码节点，换一次域名要改整段代码。
  ! 第 10.4 节那句话在这儿落地：短视频平台会变，链要能换零件。

①第一张表五行：两句调工作流、一句直接答、两句问回去。判对四句。 ②错的是第五句「这条视频的文案帮我扒出来」——含「文案」被判成自己写。 ③修法不是加关键词，是换判据：有链接才调，没链接一律问回去。 ④第二张表三组相似度：没改 1.00、跑题 0.00、换词 0.47。 ⑤第三张表三种变化：换域名改一行、字段改名改两三处、接口下线加兜底支路。

30 秒实验

1. 列二十句你的用户真会说的话，人工标一遍，再让你的判断逻辑跑一遍，数错几句。
2. 把阈值改成 0.9 和 0.1 各跑一次，看哪一档变紧、哪一档变松。
3. 找一段真实字幕跑一遍，看两个大模型节点会不会超上下文。超了就先摘要再提炼。

常见误区

1. 「链跑通了就能上线。」链通只说明走得到头。该不该调、仿写能不能发，都得另测。
2. 「关键词加够就不漏判。」同义说法永远加不完。换判据比堆关键词有效。
3. 「相似度合格就能发。」0.60 那一档按阈值合格，人一看还是抄。最后一道是人。

第三个案例完了。下一章换行业：从一句话生成效果图，顺手把客户存下来。

• ☐ （本篇完，下一篇 11.1 项目背景与整体思路）

相关笔记

• 创建智能体调用工作流：上一个案例的智能体测试
• 项目背景与整体思路：这条链的设计思路
• 创建基础工作流：插件的位置为什么重要
• 🐦 扣子开发 AI Agent · 索引