AI 客服摘要工具内部测试全绿，真实用户却反映摘要遗漏关键细节

一个团队开发的 AI 客服对话摘要工具内部测试结果良好，真实用户却反馈部分摘要遗漏重要细节。团队复盘发现根源是测试样例与真实对话分布不匹配，测试集没有覆盖实际场景的复杂性。他们的应对是在测试集中加入更多真实对话样本，并引入人工抽检部分输出结果。