HaiAI123

全球AI工具精选导航

行业动态
持平

Comanda 客服 Agent 把退款规则写进代码并用 τ-bench 评测

2026/11/16 — 11/16 04:16·1 个来源(全部)·1 篇报道(全部)

核心速览 (Key Takeaways)

  • 作者用 Claude Agent SDK 与 MCP 搭建外卖售后多 Agent 系统 Comanda,把退款金额与政策判断放进确定性代码,只让模型负责对话。
  • 评测是一套 30 个场景、含 8 个对抗场景的 τ-bench 式方案,还查出一个手动测试未发现的时间/时区 bug。

事件背景与详细解读

2026 年 11 月 16 日,DEV Community 的 AI 栏目发布了一篇介绍文章,披露了外卖售后客服系统 Comanda 的构建与评测情况。文章作者表示,当把 LLM 用于外卖应用的客服接待时,普通聊天机器人虽能处理常规场景,却会给业务运营带来两类难以接受的风险:在压力或 prompt injection 下给出不当退款,以及承诺超出政策范围的金额或时限。

为此,作者基于 Claude Agent SDK 和 MCP 搭建了外卖售后多 Agent 系统 Comanda,并遵循一个核心原则:由模型负责对话,退款金额与政策判断则放进确定性代码中处理。为验证这套系统,作者设计了一套 τ-bench 式评测,覆盖 30 个场景,其中包含 8 个对抗场景。评测过程中,作者还查出一个此前手动测试未能发现的与时间和时区相关的 bug。目前公开材料只更新到评测发现该 bug 这一步,未见后续改进或发布进展。

AI 综合 1 篇报道生成 · 更新于 1 天前

updream
24 小时热度热度指数 39 · 峰值 77 · 23 小时前
24 小时前现在

这件事的报道 点标题看原文

昨天
  1. 作者用 Claude Agent SDK 和 MCP 搭建外卖售后多 Agent 系统 Comanda,把退款金额与政策判断放进确定性代码,只让模型负责对话。一套 30 个场景、含 8 个对抗场景的 τ-bench 式评测,还查出一个手动测试没发现的时间/时区 bug。

    把钱交给代码、把对话交给模型的可复用做法

    DEV Community · AIAI 评分 52

同时在说的其他事

热度怎么算的?了解口径

热度按 48 小时内有多少个独立来源在说这件事算:同一个来源发多条只算一次,并按 24 小时半衰期衰减,所以排前面的是很多人在说的事。

本页汇总公开订阅源,标题与摘要由模型整理,版权归原作者所有;重要信息请回原文核对。如权利人认为相关标题或摘要侵权,请通过页尾联系邮箱提供具体页面与权利依据,我们核实后会及时删除或替换。

爆
讨论快速增加
新
首报 6 小时内
发酵中
讨论仍在增加

回 AI 行业动态榜 →