---
title: "പരീക്ഷണങ്ങൾ (A/B ടെസ്റ്റിംഗ്)"
description: "യഥാർത്ഥ കോളുകളിൽ രണ്ട് ഏജന്റ് കോൺഫിഗറേഷനുകൾ ഒരുമിച്ച് പ്രവർത്തിപ്പിച്ച്, വിജയനിരക്കുകൾ വിജയിയെ തിരഞ്ഞെടുക്കാൻ അനുവദിക്കുക."
---

A/B പരിശോധന പുതിയ prompt യഥാർത്ഥത്തിൽ മികച്ചതാണോ എന്ന ചോദ്യത്തിന് അനുമാനങ്ങൾക്കു പകരം ഡാറ്റ ഉപയോഗിച്ച് ഉത്തരം നൽകുന്നു: ഇൻകമിംഗ് കോളുകൾ ഏജന്റ് **വേരിയന്റുകൾ**ക്കിടയിൽ വിഭജിക്കപ്പെടുന്നു, ഓരോ കോളും പതിവുപോലെ വിലയിരുത്തപ്പെടുന്നു, തുടർന്ന് ഓരോ വേരിയന്റിന്റെയും വിജയനിരക്ക് താരതമ്യം ചെയ്യുന്നു.

രണ്ട് ഇടങ്ങളുണ്ട്:

- **ഓരോ ഏജന്റിനും** — ഓരോ ഏജന്റിന്റെയും ബിൽഡറിലെ **A/B** ടാബിൽ (`/dashboard/agents/<id>?tab=variants`) പരിശോധനകൾ കോൺഫിഗർ ചെയ്യുകയും ക്രമീകരിക്കുകയും ചെയ്യുന്നു. വേരിയന്റുകൾ സൃഷ്ടിക്കുകയും പരിശോധന ഓണാക്കുകയും ചെയ്യുന്നത് ഇവിടെയാണ്.
- **ഏജന്റുകൾക്കിടയിലുള്ള അവലോകനം** — **പരീക്ഷണങ്ങൾ** പേജ് (`/dashboard/experiments`, ഗുണനിലവാരവും പരിശോധനയും എന്ന വിഭാഗത്തിൽ) എല്ലാ ഏജന്റുകളുടെയും പരിശോധനകൾ ഒരു പട്ടികയിൽ സംഗ്രഹിക്കുന്നു.

## ഒരു പരിശോധന സജ്ജമാക്കുക

പരീക്ഷണങ്ങൾ പേജിൽ നിന്ന് **ഒരു A/B പരിശോധന സജ്ജമാക്കുക** ക്ലിക്ക് ചെയ്ത് ഒരു ഏജന്റിനെ തിരഞ്ഞെടുക്കുക — തുടർന്ന് ആ ഏജന്റിന്റെ A/B ടാബിൽ എത്തും. അവിടെ വേരിയന്റ് കോൺഫിഗറേഷനുകൾ സൃഷ്ടിക്കുകയും (ഒന്ന് **നിയന്ത്രണം** ആയി അടയാളപ്പെടുത്തിയിരിക്കും) വിഭജിത പരിശോധന പ്രവർത്തനക്ഷമമാക്കുകയും ചെയ്യാം. ബിൽഡറിനെക്കുറിച്ച് അറിയാൻ [ഒരു ഏജന്റിനെ നിർമ്മിക്കുക](/ml/guides/build-an-agent) കാണുക.

## അവലോകനം വായിക്കുക

പരിശോധനയുള്ള ഓരോ ഏജന്റിനും പരീക്ഷണങ്ങൾ പട്ടിക ഇനിപ്പറയുന്നവ കാണിക്കുന്നു:

- **നില** — സജീവം (വിഭജിത പരിശോധന ഓണാണ്) അല്ലെങ്കിൽ താൽക്കാലികമായി നിർത്തിയത്.
- **വേരിയന്റുകൾ** — നിയന്ത്രണ വേരിയന്റ് അടയാളപ്പെടുത്തിയ നിലയിൽ, ഓരോ വേരിയന്റും ഒരു ചിപ്പായി.
- **മുന്നിൽ** — ഇതുവരെയുള്ള ഏറ്റവും മികച്ച വിജയനിരക്കുള്ള വേരിയന്റും അതിന്റെ ശതമാനവും. വേരിയന്റുകൾക്ക് വിലയിരുത്തപ്പെട്ട കോളുകൾ ലഭിക്കുന്നതുവരെ, ഇവിടെ *ഇതുവരെ മതിയായ ഡാറ്റയില്ല* എന്ന് കാണിക്കും — കുറച്ച് കോളുകൾ മാത്രം അടിസ്ഥാനമാക്കി വിജയിയെ പ്രഖ്യാപിക്കരുത്.
- **കോളുകൾ** — പരിശോധനയിലെ വേരിയന്റുകളിലുടനീളമുള്ള ആകെ കോളുകൾ.

പരിശോധനയില്ലാത്ത ഏജന്റുകൾ ഒന്നാരംഭിക്കുന്നതിനുള്ള ഒറ്റ-ക്ലിക്ക് ഓർമ്മപ്പെടുത്തലുകളായി താഴെ പട്ടികപ്പെടുത്തിയിരിക്കുന്നു. ഏതെങ്കിലും വരിയിൽ ക്ലിക്ക് ചെയ്താൽ പരിശോധന ക്രമീകരിക്കാനോ അവസാനിപ്പിക്കാനോ ആ ഏജന്റിന്റെ A/B ടാബിലേക്ക് പോകും.

<Tip>
  ഒരു കോൾ ഏത് വേരിയന്റാണ് കൈകാര്യം ചെയ്തത് എന്നത് ആ കോളിൽത്തന്നെ രേഖപ്പെടുത്തുന്നു. അതിനാൽ [കോൾ ചരിത്രത്തിൽ](/ml/guides/review-calls) ഓരോ വശത്തിന്റെയും ട്രാൻസ്ക്രിപ്റ്റുകൾ ഫിൽട്ടർ ചെയ്ത് സാമ്പിൾ പരിശോധിക്കാം.
</Tip>

<Note>
  [ഡൈനാമിക് കോൺഫിഗ് വെബ്ഹുക്കിൽ](/ml/guides/dynamic-call-config) A/B അസൈൻമെന്റ് സ്വയം നടപ്പിലാക്കുന്നതിന് പകരം ഈ ഉൾനിർമ്മിത സവിശേഷത തിരഞ്ഞെടുക്കുക — അസൈൻമെന്റ്, ഓരോ വേരിയന്റിന്റെയും സ്ഥിതിവിവരക്കണക്കുകൾ, വിലയിരുത്തൽ എന്നിവ സ്വയമേവ ലഭിക്കും.
</Note>

## അടുത്ത ഘട്ടങ്ങൾ

<CardGroup cols={2}>
  <Card title="ഒരു ഏജന്റിനെ നിർമ്മിക്കുക" icon="robot" href="/ml/guides/build-an-agent">
    ഏജന്റിന്റെ A/B ടാബിൽ വേരിയന്റുകൾ സൃഷ്ടിക്കുക.
  </Card>
  <Card title="സിമുലേഷനുകൾ" icon="flask" href="/ml/guides/test-agents">
    യഥാർത്ഥ ട്രാഫിക് തീരുമാനിക്കുന്നതിന് മുമ്പ്, AI കോളർമാരുമായി റിലീസിന് മുമ്പുള്ള പരിശോധന.
  </Card>
</CardGroup>