Zum Hauptinhalt springen

​
Übersicht

Das Debuggen von Voice-Agenten erfordert eine systematische Untersuchung mehrerer zusammenarbeitender Komponenten - Transkription, LLM-Reasoning, Sprachsynthese und Aktionsausführung. Das itellicoAI-Dashboard bietet detaillierte Protokolle und Tools, um dir zu helfen, die Grundursache von Problemen schnell zu identifizieren.

​
Dashboard-Debugging-Tools

Gesprächsprotokolle

Vollständige Historie jeder Konversation mit Transkripten, Aktionen und Metadaten

Echtzeit-Transkript

Live-Ansicht der Transkription und Agentenantworten während Testanrufen

Aktions-Payloads

Detailliertes JSON jedes API-Aufrufs, Tool-Ausführung und Webhooks

Fehlermeldungen

Spezifische Fehlerdetails, wenn Komponenten fehlschlagen

​
Systematischer Debugging-Ansatz

Wenn etwas schief geht, folge diesem systematischen Prozess:
1

Reproduziere das Problem

Teste erneut, um zu bestätigen, dass das Problem konsistent istNotiere die genauen Bedingungen, wenn es auftritt
2

Identifiziere die Komponente

Bestimme, welcher Teil der Pipeline fehlgeschlagen ist:
  • Transcriber (Sprache → Text)
  • LLM (Verständnis → Antwort)
  • TTS (Text → Sprache)
  • Aktions-/Tool-Ausführung
  • Wissensabruf
3

Überprüfe Protokolle

Öffne Gespräche und finde den problematischen AnrufUntersuche Transkripte, Aktions-Payloads und Fehler
4

Teste Komponenten einzeln

Isoliere die fehlgeschlagene Komponente:
  • Versuche einen anderen Transcriber
  • Teste LLM mit einfacheren Prompts
  • Versuche eine andere Stimme
  • Teste Aktionen direkt über API
5

Behebe und verifiziere

Nimm gezielte Änderungen basierend auf Erkenntnissen vorTeste erneut, um die Behebung zu bestätigen

​
Debugging auf Komponentenebene

Wie man identifiziert:
  • Überprüfe das Transkript in Gesprächsprotokollen
  • Vergleiche, was gesagt wurde vs. was transkribiert wurde
  • Suche nach fehlenden Wörtern, falschen Wörtern oder Kauderwelsch
Häufige Ursachen:
  • Hintergrundgeräusche
  • Akzent- oder Sprachinkongruenz
  • Audioqualitätsprobleme
  • Falsches Transcriber-Modell ausgewählt
Debugging-Schritte:
  1. Navigiere zu Modelle → Transcriber
  2. Versuche einen anderen Transcriber-Anbieter (Deepgram ↔ Azure)
  3. Versuche ein anderes Modell (z.B. Nova-2 ↔ Nova-3)
  4. Überprüfe, ob die Spracheinstellung mit dem Sprecher übereinstimmt
  5. Teste in ruhigerer Umgebung
  6. Überprüfe die Audio-Eingangsqualität
Was in Protokollen zu überprüfen ist:
  • Transkript-Genauigkeit
  • Timing der Transkription (Verzögerungen?)
  • Leere oder teilweise Transkriptionen
  • Spracherkennungsprobleme
Wie man identifiziert:
  • Agent gibt falsche Antworten
  • Agent weicht vom Thema ab
  • Agent wiederholt sich
  • Agent lehnt es ab, gültige Fragen zu beantworten
  • Agent halluziniert Informationen
Häufige Ursachen:
  • Anweisungen zu vage oder widersprüchlich
  • Wissensdatenbank fehlt Informationen
  • Kontextfenster-Überlauf
  • Modell nicht für Aufgabe geeignet
  • Temperatur zu hoch/niedrig
Debugging-Schritte:
  1. Überprüfe Agentenanweisungen unter Fähigkeiten → Anweisungen
  2. Vereinfache Anweisungen, um das Problem zu isolieren
  3. Überprüfe Wissensdatenbank auf fehlende Informationen
  4. Versuche ein anderes LLM-Modell (Claude Haiku 4.5 ↔ GPT-4.1 mini)
  5. Passe die Temperatur in den Modelleinstellungen an
  6. Überprüfe Gesprächsprotokolle, um den vollständigen Kontext zu sehen
Was in Protokollen zu überprüfen ist:
  • Vollständige Gesprächshistorie, die zu schlechter Antwort führt
  • Abgerufene Wissenselemente (bei Verwendung von RAG)
  • System-Prompts und Kontext-Injection
Teste problematische Prompts zuerst im Web-Simulator - es ist schneller als Telefon-Tests.
Wie man identifiziert:
  • Unnatürliche Sprachmuster
  • Falsche Aussprachen
  • Falsche Betonung oder Intonation
  • Roboterhafter Klang
  • Geschwindigkeit zu schnell/langsam
Häufige Ursachen:
  • Stimme nicht für Inhaltstyp geeignet
  • Interpunktion beeinflusst das Tempo
  • Zahlen oder Akronyme werden nicht gut verarbeitet
  • Einschränkungen des Stimmenanbieters
Debugging-Schritte:
  1. Navigiere zu Modelle → Stimme
  2. Versuche eine andere Stimme vom selben Anbieter
  3. Versuche einen völlig anderen Stimmenanbieter
  4. Füge benutzerdefinierte Aussprachen für Problemwörter hinzu
  5. Passe Stabilitäts-/Klarheitseinstellungen an (ElevenLabs)
  6. Passe die Sprechgeschwindigkeit an
  7. Ändere die Textausgabe, um TTS zu verbessern
Was in Protokollen zu überprüfen ist:
  • Höre dir die Audioaufzeichnung an
  • Vergleiche Text vs. wie es gesprochen wurde
  • Überprüfe auf SSML-Tags (falls verwendet)
  • Verifiziere, dass Stimmeinstellungen angewendet wurden
Wie man identifiziert:
  • Aktion wird nicht ausgelöst, wenn erwartet
  • Aktion wird ausgelöst, schlägt aber fehl
  • Falsche Daten an Aktion gesendet
  • Aktion gibt Fehler zurück
Häufige Ursachen:
  • Aktion nicht ordnungsgemäß konfiguriert
  • API-Endpunkt ausgefallen oder langsam
  • Authentifizierungsfehler
  • Inkorrekte Parameter-Extraktion
  • Netzwerk-Timeout
Debugging-Schritte:
  1. Überprüfe, ob Aktion in Gesprächsprotokollen ausgelöst wurde
  2. Überprüfe Aktions-Payload (JSON an API gesendet)
  3. Überprüfe API-Antwort und Statuscode
  4. Teste API-Endpunkt direkt (Postman, curl)
  5. Verifiziere Authentifizierungsdaten
  6. Überprüfe Parameter-Extraktion aus Gespräch
  7. Überprüfe Aktionsanweisungen im Agenten-Prompt
Was in Protokollen zu überprüfen ist:
  • custom_data.actions oder ähnliche Felder
  • API-Request-Payload
  • API-Response-Body
  • Fehlermeldungen und Stack-Traces
  • Zeitstempel (Timeout aufgetreten?)
Gesprächsprotokolle zeigen vollständige Aktions-Payloads einschließlich Request-/Response-Daten.
Wie man identifiziert:
  • Agent kann Fragen nicht beantworten, die er wissen sollte
  • Agent ruft falsches Wissen ab
  • Agent mischt irrelevante Informationen in Antworten
Häufige Ursachen:
  • Wissen noch nicht indiziert
  • RAG-Abruf findet keine relevanten Elemente
  • Wissensdatenbank nicht dem Agenten zugewiesen
Debugging-Schritte:
  1. Verifiziere, dass Wissensdatenbank dem Agenten zugewiesen ist
  2. Überprüfe, dass Wissenselemente INDEXIERT sind (nicht nur ABGESCHLOSSEN)
  3. Überprüfe Wissenselemente-Titel - mache sie beschreibend
  4. Teste mit kleinerer Wissensdatenbank
  5. Versuche Kontext-Modus vs. RAG-Modus
  6. Überprüfe Gesprächsprotokolle auf abgerufenes Wissen

​
Verwendung von Gesprächsprotokollen für Debugging

Jeder Testanruf erstellt ein detailliertes Protokoll, das unter Gespräche zugänglich ist.

​
Was in den Protokollen enthalten ist:

Grundlegende Informationen:
  • Anrufdatum, Uhrzeit, Dauer
  • Verwendeter Agent
  • Telefonnummer (bei Telefon-Test)
  • Anrufstatus (abgeschlossen, fehlgeschlagen, etc.)
Gesprächsdaten:
  • Vollständiges Transkript (Benutzer + Agent)
  • Zeitstempel für jede Nachricht
  • Audioaufzeichnung (falls verfügbar)
Technische Details:
  • Ausgelöste Aktionen mit Payloads
  • Erfasste DTMF-Eingaben
  • Zielanalyseergebnisse
  • Antworten nach Gesprächsanalyse
  • Benutzerdefinierte Datenfelder
  • Fehlermeldungen
So debuggst du mit Protokollen:
  1. Filtere nach Agentenname, um Testanrufe zu finden
  2. Öffne spezifischen Anruf, um vollständige Details zu sehen
  3. Lies das Transkript, um zu identifizieren, wo es schief ging
  4. Überprüfe Aktions-Payloads, wenn Aktionen fehlgeschlagen sind
  5. Höre dir das Audio an, wenn Transkript korrekt aussieht, aber Audio falsch war
  6. Überprüfe Zeitstempel, um Latenzprobleme zu identifizieren

​
Hilfe erhalten

Wenn du zusätzliche Unterstützung benötigst:

Dokumentation überprüfen

Überprüfe spezifische Feature-Dokumentation für Konfigurationsdetails

Anbieter-Status überprüfen

Besuche Statusseiten für OpenAI, Deepgram, ElevenLabs, Azure

Support kontaktieren

E-Mail an support@itellico.ai mit Anrufprotokollen und Fehlerdetails
Bei Kontaktaufnahme mit Support bitte angeben:
  • Agenten-ID oder Name
  • Konversations-ID aus Protokollen
  • Spezifische Fehlermeldungen
  • Schritte zur Reproduktion
  • Screenshots, falls zutreffend

​
Nächste Schritte

Launch-Checkliste

Sobald du deinen Agenten debuggt hast, überprüfe die Launch-Checkliste, um dich auf die Produktion vorzubereiten