> ## Documentation Index
> Fetch the complete documentation index at: https://docs.tigyai.com/llms.txt
> Use this file to discover all available pages before exploring further.
# QA
> O nó QA permite executar análise de qualidade pós-chamada nos runs dos seus agentes de voz.
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:
```text theme={null}
You are a compliance reviewer for a debt collection workflow.
Review the transcript and return a JSON object with the following fields:
- "identity_verified": true or false — did the agent confirm the caller's identity before discussing the account?
- "options_presented": true or false — did the agent offer all three payment options before accepting a decision?
- "tone_score": 1-5 — how calm and professional was the agent throughout?
- "summary": one sentence describing the call outcome.
```
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
| Configuração | Padrão | O que faz |
| ------------------------------- | ------ | ----------------------------------------------------------------------------------------- |
| Enabled | On | Alternância para desativar o QA sem remover o nó |
| Use Workflow's LLM | Off | Quando ativado, usa o mesmo LLM configurado para o workflow em vez do modelo de QA padrão |
| Minimum Call Duration (seconds) | 15 | Chamadas mais curtas que isso são ignoradas |
| Include Voicemail Calls | Off | Quando desativado, chamadas de caixa postal são ignoradas |
| Sample Rate (%) | 100 | Executa QA em uma porcentagem das chamadas em vez de todas |
## 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
Configure a lógica de conversa que o QA avalia.
Envie os resultados das chamadas para sistemas externos depois que a chamada termina.
Aprenda como o `gathered_context` é construído durante a chamada.
Configure a mensagem final antes de a chamada cair.