先限定助手负责的任务
意图分类准确，业务为什么仍处理错？建议先测试完整链路。本题围绕自动分流系统，主要要防止标签与后续处理规则未匹配。把允许自动完成的结果与必须交人工的情况分开，才能判断助手有没有越过任务边界；生成了答案、建议或文本，不等于真实业务已经正确完成。
自动化验收应以业务结果为准，不能只比较回答看起来是否自然。测试集需要包含常见样本、难例和明确不应回答的情况。
建立能核对的输入与输出
准备分类标签、路由规则和最终工单作为对照，样本既要包括常见情况，也要包含“退款分类正确却派给销售”这类容易出错的输入。保留脱敏原文或原记录、助手输出和最终处理结果，标明哪部分是提取事实、哪部分是建议。这样纠错时不必凭印象判断，也能知道错误来自资料、理解还是实际执行。
固定样本和判分口径，保留系统版本与输出；把错答案、漏处理和多处理分别统计，再决定是否扩大使用。
把处理规则落到三个动作
第一步，测试完整链路，不确定的信息先显式保留。第二步，检查映射，让处理结果能够与分类标签、路由规则和最终工单对照。第三步，确认接收岗位，确认最终符合“分类和路由均满足实际任务”。若某个步骤依赖外部系统，应显示真实等待或失败状态，并保存关联编号；不能为让流程看起来顺畅而提前宣布成功。
用一个失败例子检验边界
分类只是前置一步，后续路由和接收权限也要验证。最终工单的负责人能否处理才是业务完成条件。
例如：退款分类正确却派给销售。先写出人工处理该样本时会依据什么证据，再比较自动化结果。发现差异时，保留原样本并纠正具体规则，而不是只让助手重新生成一次更像正确答案的文本。将该样本加入下一版本的检查，才能判断修正是否稳定。
模型和资料更新后仍需复测。一次演示成功不能证明长期稳定，具体准确率必须有实际测试记录支持。
试用达到什么条件再扩大
本题的验收结果是分类和路由均满足实际任务。统计错误要区分漏处理、错处理和不该执行却执行，不能把它们混成一个好看的成功率。由实际使用岗位核对样本，并记录需要人工接管的情况。只有证据表明自动分流系统的约定任务可稳定完成，才考虑扩大数量或自动执行范围；模型、资料或连接方式变化后应重新检查。
执行与验收清单
- 明确自动分流系统的正确结果：分类和路由均满足实际任务。
- 准备并脱敏核对资料：分类标签、路由规则和最终工单。
- 执行测试完整链路，保留对应结果。
- 完成检查映射与确认接收岗位，核对实际产物。
- 使用“退款分类正确却派给销售”复查问题，并记录未解决事项。