视频号AI客服质检评估，要同时检查返回候选是否成立，以及未返回记录中有没有漏掉问题。Codex可用AI整理授权完整会话和检查依据，再与独立人工参考判定对照。只看命中准确不够，先固定标准与样本，再分别计算比例，不用一个分数替代业务判断。
主管抽看AI挑出的记录，觉得大部分确实值得复查，便认为效果不错。但没被挑出的会话里，可能仍有未回应的问题。只检查候选，能回答返回结果怎样，回答不了漏掉多少。
先把本轮检查对象写成一个可判断的问题。例如按团队已确认标准，查看客服是否遗漏回应客户明确提出的必要问题。不要同时把礼貌、时效和业务结果揉成一个标签；同一会话可以分别检查，但不同检查项分别计算。
Google分类指标说明将精确率、召回率与整体正确率分开，说明单看总体正确率可能掩盖遗漏。客服团队可以借用这些计算方法，先把每个分母写清，不套用未经验证的行业合格线。
知你AI助手可查询授权客户、历史会话和消息。主管先确定视频号渠道、时段与本轮评估样本，读取同一范围的完整前后文。样本不能全部来自某个风险词命中，否则原本没命中的情况没有机会进入检查。
Codex按当前通用MCP配置与认证完成授权后，可提出：“按这份已确认检查项阅读指定完整会话，逐件列候选判断、原话依据和资料不足。只判断本检查项，不给员工总分，不推测看不到的业务处理。”暂不提供人工标签，保存首次输出与所用规则。
质检人员另按同一标准给参考判定，分歧由负责人核对后确认。实际业务结果不在聊天中时另查，不把缺材料硬归无问题；评估资料不足的数量与原因单列说明。下图为MCP连接后台布局，评估表在客户端准备，非产品内置自动评分页。
以下样本与判定全部虚拟。假定20件记录均具备本检查项所需材料，人工参考结论已核定，AI也都给出可对照的判断；本例没有资料不足项，不代表真实工作总能如此。
| 对照结果 | 件数 | 表示什么 |
|---|---|---|
| AI命中，人工也确认有问题 | 6 | 命中成立 |
| AI命中，人工确认没有该问题 | 2 | 误命中 |
| AI未命中，人工确认有问题 | 4 | 漏检 |
| AI未命中，人工也确认没有该问题 | 8 | 对无问题记录判断一致 |
合计6+2+4+8=20。AI返回8件，其中6件成立，精确率为6÷8=75%；人工确认的10件问题中，AI找到6件，召回率为6÷10=60%；全部20件中，双方一致的为6+8=14件，整体正确率为14÷20=70%。
可用结论：“这轮候选四分之三成立，但人工确认的问题仍有四成没被找出。因此不能只凭75%的候选精确率扩大应用；先看4件漏检是否属于相似表达、读取不全或规则理解差异，再决定怎样调整。”这些数字只描述虚拟样本，不承诺产品准确率，也不代表员工合格率。
若实际一件都没命中，精确率分母为零，应记无法计算，不写成100%。样本里没有人工确认的问题时，召回率也不能照常算。下图为客户端辅助对照流程，沿用虚拟数量。
误命中和漏检分别看原因，调整动作也应对应。客户已经补充答案却没读到，要补读取范围；同义表达漏掉，要检查判断是否只认关键词；标准本身有分歧，则先由负责人补清定义。
知你AI助手帮助回到会话依据，Codex辅助对照与计算。负责人结合漏检后果、误命中带来的复核负担和样本范围决定下一步；模型标签不直接用于处罚、绩效或员工排名。
还需查看固定样本中未命中的记录，并有独立人工参考判定。
前者看返回候选有多少成立，后者看人工确认的问题找到多少。
还要看问题占比、漏检及误命中后果，不能只看一个总数。
先由负责人统一规则和依据，再形成用于比较的参考结论。
保留另一批未参与修改的材料，检查是否只适应了旧例。
AI辅助质检先固定检查项与样本，再同时检查命中、误命中和漏检。用不同分母解释结果，回到分歧原话改善流程，最后用新材料复查，让接入决定依据可复算的实际表现。
如果主管准备让AI辅助筛查客服会话，希望先看清候选质量与可能遗漏，可以了解知你AI助手官网，用授权真实工作材料准备小范围评估，再决定哪些环节适合交给AI辅助。
也可以扫码交流你的客服数据整理需求：
全渠道智能客服系统，聚合微信、小红书、抖音等平台咨询，支持自动回复与多客服协同。
知你AI助手官网 >AI 驱动的智能接待助手，基于知识库生成可确认的推荐回复，提升响应效率。
知你快回官网 >浏览器插件，为小红书、抖音、网页客服场景提供快捷话术库与 AI 自动回复。
