Open in

測試智能體的端到端流程（API）

透過 ThunderPhone API 執行單次模擬、並行場景批次及發布閘門測試套件，在客戶聽到問題前捕捉智能體回歸問題。

要持續改進 AI 智能體，就要持續調整其提示、工具，以及處理邊緣情況的方式。 模擬 API 會根據你提供的情境提示，對智能體撥打真實通話。以智能體為目標會建立機械人對機械人的執行；以電話號碼為目標則會建立 SIP 回環執行。每次執行均會產生包含逐字稿、評分及收費資料的真實通話記錄，讓你清楚了解智能體的行為及成本。

適用於：

每次修改提示後，在部署前進行冒煙測試
連接至 CI 的回歸測試套件（接收 test-call.completed webhook → 如分數下降則令建置失敗）
壓力測試並發限制

單次執行：單一測試

curl -X POST https://api.thunderphone.com/v1/simulations \
  -H "Authorization: Bearer sk_live_YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "target_type":     "agent",
    "target_id":       12,
    "direction":       "outbound",
    "scenario_prompt": "You are a polite caller asking about refund policy for order 12345.",
    "consent_to_charge": true
  }'

欄位：

欄位	類型	必填	說明
`target_type`	字串	是	`agent` 或 `phone_number`
`target_id`	整數	是	智能體 ID（或電話號碼 ID）
`direction`	字串	否	`outbound`（預設；測試來電者撥出）或 `inbound`（測試來電者接聽）
`scenario_prompt`	字串	否	控制測試機械人的說話內容
`language` / `primary_language`	字串	否	測試來電者使用的語言；不支援的代碼會被拒絕
`simulator_product`	字串	否	`testing`（預設），或使用 `spark` 以模擬更接近真人的來電者，例如暖轉接諮詢測試
`consent_to_charge`	布林值	是	必須為 `true`。預估費用會同時向所選智能體及模擬來電者收費，另加任何電訊通話線路費用
`target_number`	字串	否	遠端一方的 E.164 覆寫值；否則會使用平台測試號碼

mode 為唯讀，並由 target_type 衍生：agent 會產生 mode="bot"，而 phone_number 會產生 mode="sip"。

回應為處於 status="queued" 狀態的模擬執行物件。持續輪詢，直至 status 變為 completed 或 failed；設定 call_id 後，可透過 GET /v1/calls/{call_id}/transcript 載入逐字稿。

批次：並行測試情境

同時執行 N 個情境——適合讓回歸測試套件並行測試每個已知邊緣情況：

curl -X POST https://api.thunderphone.com/v1/simulations/batches \
  -H "Authorization: Bearer sk_live_YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "target_type":     "agent",
    "target_id":       12,
    "direction":       "outbound",
    "run_count":       5,
    "stagger_seconds": 2,
    "scenario_prompts": [
      "Ask about refund policy.",
      "Ask for hours of operation.",
      "Complain about a delayed shipment.",
      "Ask to speak with a human.",
      "Ask an unrelated trivia question."
    ],
    "consent_to_charge": true
  }'

回應會包含子執行 ID 的 run_ids 清單。取得批次狀態：

curl https://api.thunderphone.com/v1/simulations/batches/{batch_id} \
  -H "Authorization: Bearer sk_live_YOUR_API_KEY"

run_count 上限為 20；stagger_seconds 會錯開建立執行的時間，以避免對智能體造成過高負載（0–60 秒）。

連接至 CI

在模擬頁面 (/dashboard/simulations) 建立發佈閘門套件——選擇智能體、手動加入情境，或按一下 使用 AI 生成情境，根據智能體的提示草擬情境（可選擇額外進行邊界情況檢查），然後將它們歸類至套件。套件會固定其情境及智能體，並設定最低通過率及可選的零嚴重失敗規則。通過的執行結果會成為已接受的基準；其後由通過→失敗的轉變會作為回歸結果傳回。

在 CI 中使用組織 API 金鑰。此指令碼會觸發套件、持續輪詢直至評分及比較完成，除非判定結果為 pass，否則會以非零狀態結束：

#!/usr/bin/env bash
set -euo pipefail
 
: "${THUNDERPHONE_API_KEY:?Set THUNDERPHONE_API_KEY}"
: "${THUNDERPHONE_ORG_ID:?Set THUNDERPHONE_ORG_ID}"
: "${THUNDERPHONE_SUITE_ID:?Set THUNDERPHONE_SUITE_ID}"
 
base="https://api.thunderphone.com/v1/orgs/${THUNDERPHONE_ORG_ID}/suites/${THUNDERPHONE_SUITE_ID}"
auth="Authorization: Bearer ${THUNDERPHONE_API_KEY}"
 
run_id="$(curl --fail --silent --show-error -X POST "${base}/run" \
  -H "$auth" -H "Content-Type: application/json" -d '{}' | jq -r '.id')"
 
deadline=$((SECONDS + 1800))
while (( SECONDS < deadline )); do
  result="$(curl --fail --silent --show-error \
    "${base}/runs/${run_id}" -H "$auth")"
  status="$(jq -r '.status' <<<"$result")"
  if [[ "$status" == "completed" ]]; then
    jq . <<<"$result"
    [[ "$(jq -r '.verdict' <<<"$result")" == "pass" ]]
    exit
  fi
  sleep 10
done
 
echo "ThunderPhone suite timed out" >&2
exit 1

POST /v1/orgs/{org_id}/suites/{suite_id}/run 會傳回包含執行 ID 的 202。 GET /v1/orgs/{org_id}/suites/{suite_id}/runs/{run_id} 會傳回 status、verdict、pass_rate、critical_failure_count，以及基準 regressions 清單。兩個端點均會將 URL 中的組織與 API 金鑰的組織綁定。

按排程執行套件

開啟智能體的模擬分頁，選擇 發佈閘門套件，然後建立或編輯套件。啟用 按排程執行，選擇頻率及時區，然後按需要設定 每小時分鐘數、本地時間 或日期。選擇 儲存套件。取消勾選 按排程執行 會移除控制台排程。

透過 API

對套件執行 PATCH，以新增或取代其排程。有關完整套件物件及端點，請參閱套件（發佈閘門）。

curl -X PATCH https://api.thunderphone.com/v1/suites/{suite_id} \
  -H "Authorization: Bearer sk_live_YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "schedule": {
      "enabled": true,
      "frequency": "daily",
      "timezone": "America/Chicago",
      "hour": 6,
      "minute": 30
    }
  }'

frequency 可以是 hourly、daily 或 weekly。請使用 IANA 時區。每小時排程使用 minute；每日排程使用 hour 及 minute；每週排程亦使用 weekday，其中星期一為 0，星期日為 6。套件回應包括 next_run_at 及 last_run_at。

時間會隨所選時區的夏令時間調整而變動。已排程的執行會顯示於套件的執行記錄，並使用其目前的智能體、情境、準則及已接受基準。每個生成的測試通話均會發出 test-call.completed；並無套件層級的完成 webhook。已排程通話會按與手動套件執行相同的模擬費率收費，並在套件執行中記錄 trigger: "schedule"。

如要暫停排程而不更改其時間設定，請以 "enabled": false PATCH 完整的現有排程物件。必須提供 frequency；如省略時區及時間欄位，將重設為預設值，因此請包括現有值。傳送 "schedule": null 以移除排程。

AI 評分

自動為每次測試執行評分，以追蹤品質隨時間的變化。

問題報告

標記特定測試以供人工審核。

test-call.completed webhook

將結果串流至你的 CI / Slack / PagerDuty。

測試智能體的端到端流程（API）

單次執行：單一測試

批次：並行測試情境

連接至 CI

按排程執行套件

透過 API

模式

按提示詞建立迴歸測試語料庫

每次發佈的煙霧測試

延遲基準測試

下一步