Skip to main content
O nó QA executa uma revisão de qualidade por LLM na transcrição da chamada após o fim de cada conversa. Use-o para pontuar o desempenho do agente, sinalizar problemas de conformidade e revelar padrões entre chamadas, sem precisar ouvir as gravações manualmente.

​
Quando ele roda

O QA Node roda apenas pós-chamada. Ele não faz parte do fluxo de chamada ao vivo — lê a transcrição concluída depois que a conversa termina. Não tem arestas e não pode se conectar a nenhum outro nó do workflow. Isso significa que o QA não afeta o comportamento da chamada. Ele apenas a mede.

​
Onde ele fica no canvas

Adicione o QA Node em qualquer lugar do canvas. Ele não precisa se conectar a outros nós — a maioria dos construtores o coloca à parte para deixar claro que é um avaliador independente. O nó roda automaticamente para toda chamada elegível depois que o workflow é publicado.

​
Configurando o System Prompt

A configuração central é um único System Prompt: instruções para o LLM revisor que descrevem como avaliar cada chamada. O LLM lê a transcrição e retorna um resultado JSON estruturado. O prompt padrão já cobre dimensões de qualidade comuns de imediato:
  • Tags: problemas nomeados detectados na transcrição. O conjunto de tags padrão inclui DEAD_AIR, USER_FRUSTRATED, ASSISTANT_IN_LOOP, ASSISTANT_REPLY_IMPROPER, USER_NOT_UNDERSTANDING, HEARING_ISSUES, UNCLEAR_CONVERSATION, USER_REQUESTING_FEATURE, ASSISTANT_LACKS_EMPATHY e USER_DETECTS_AI
  • Pontuação de qualidade da chamada: classificação de 1 a 10
  • Sentimento geral: positivo, neutro ou negativo
  • Resumo: descrição de 1 a 2 frases do segmento da chamada
Você pode substituir o System Prompt padrão pelas suas próprias instruções quando precisar de uma avaliação específica do domínio. Escreva o prompt como instruções ao LLM revisor de QA e especifique a estrutura JSON que deseja que ele retorne. Para casos de uso de conformidade, por exemplo:
Seja específico sobre o que conta como aprovação ou como pontuação válida. Inclua os comportamentos exatos que você quer que o LLM procure. Instruções vagas produzem resultados inconsistentes entre chamadas.

​
Configurações adicionais

​
Como ver os resultados de QA

Após a conclusão de uma chamada, a análise de QA roda automaticamente. Você pode ver os resultados na página Run Detail de cada run individual. Abra um run e role até a seção QA Analysis. O resultado mostra a saída JSON completa solicitada pelo seu QA System Prompt — tags, pontuações, sentimento e resumo no caso do prompt padrão, ou qualquer estrutura que você definiu.

​
Erros comuns

Esperar que o QA afete a chamada ao vivo. O QA Node é somente leitura em tempo de execução. Ele avalia o que aconteceu; não muda o que acontece. Conectar o QA Node a outros nós. O QA não tem arestas. Desenhar uma conexão do QA para outro nó não é possível — as arestas voltam ao lugar quando você tenta. Escrever um System Prompt vago. “O agente foi bom?” produz pontuações inúteis. Defina comportamentos específicos e observáveis e os campos JSON exatos que você quer de volta. Não especificar o formato de saída. O LLM segue suas instruções, mas se você não especificar um formato de retorno, a saída pode ser inconsistente entre chamadas. Sempre descreva a estrutura JSON exata no System Prompt.

​
Próximos passos

Agent Node

Configure a lógica de conversa que o QA avalia.

Webhook Node

Envie os resultados das chamadas para sistemas externos depois que a chamada termina.

Contexto e Variáveis

Aprenda como o gathered_context é construído durante a chamada.

End Call Node

Configure a mensagem final antes de a chamada cair.