Descripción general
La depuración de agentes de voz requiere una investigación sistemática de múltiples componentes que trabajan juntos: transcripción, razonamiento LLM, síntesis de voz y ejecución de acciones. El panel de itellicoAI proporciona registros detallados y herramientas para ayudarle a identificar rápidamente la causa raíz de los problemas.Herramientas de depuración del panel
Registros de conversación
Historial completo de cada conversación con transcripciones, acciones y metadatos
Transcripción en tiempo real
Vista en vivo de la transcripción y respuestas del agente durante las llamadas de prueba
Cargas útiles de acciones
JSON detallado de cada llamada API, ejecución de herramientas y webhook
Mensajes de error
Detalles de error específicos cuando los componentes fallan
Enfoque de depuración sistemático
Cuando algo sale mal, siga este proceso sistemático:Reproducir el problema
Pruebe nuevamente para confirmar que el problema es consistenteAnote las condiciones exactas cuando ocurre
Identificar el componente
Determine qué parte del pipeline falló:
- Transcriptor (habla → texto)
- LLM (comprensión → respuesta)
- TTS (texto → habla)
- Ejecución de acción/herramienta
- Recuperación de conocimientos
Revisar registros
Abra Conversaciones y encuentre la llamada problemáticaExamine transcripciones, cargas útiles de acciones y errores
Probar componentes individualmente
Aísle el componente que falla:
- Pruebe un transcriptor diferente
- Pruebe LLM con indicaciones más simples
- Pruebe una voz diferente
- Pruebe acciones directamente a través de la API
Depuración a nivel de componentes
Problemas del transcriptor
Problemas del transcriptor
Cómo identificar:
- Verifique la transcripción en los registros de conversación
- Compare lo que se dijo con lo que se transcribió
- Busque palabras faltantes, palabras incorrectas o galimatías
- Ruido de fondo
- Acento o idioma no coincidente
- Problemas de calidad de audio
- Modelo de transcriptor incorrecto seleccionado
- Navegue a Modelos → Transcriptor
- Pruebe un proveedor de transcriptor diferente (Deepgram ↔ Azure)
- Pruebe un modelo diferente (ej., Nova-2 ↔ Nova-3)
- Verifique que la configuración de idioma coincida con el hablante
- Pruebe en un entorno más silencioso
- Verifique la calidad de entrada de audio
- Precisión de la transcripción
- Sincronización de la transcripción (¿retrasos?)
- Transcripciones vacías o parciales
- Problemas de detección de idioma
Problemas de respuesta LLM
Problemas de respuesta LLM
Cómo identificar:
- El agente da respuestas incorrectas
- El agente se sale del tema
- El agente se repite
- El agente se niega a responder preguntas válidas
- El agente alucina información
- Instrucciones demasiado vagas o contradictorias
- Base de conocimientos falta información
- Desbordamiento de ventana de contexto
- Modelo no adecuado para la tarea
- Temperatura demasiado alta/baja
- Revise las instrucciones del agente en Habilidades → Instrucciones
- Simplifique las instrucciones para aislar el problema
- Verifique la base de conocimientos para información faltante
- Pruebe un modelo LLM diferente (Claude Haiku 4.5 ↔ GPT-4.1 mini)
- Ajuste la temperatura en la configuración del modelo
- Revise los registros de conversación para ver el contexto completo
- Historial completo de conversación que lleva a una mala respuesta
- Elementos de conocimiento recuperados (si usa RAG)
- Indicaciones del sistema e inyección de contexto
Problemas de voz/TTS
Problemas de voz/TTS
Cómo identificar:
- Patrones de habla poco naturales
- Pronunciaciones incorrectas
- Énfasis o entonación incorrecta
- Sonido robótico
- Velocidad demasiado rápida/lenta
- Voz no adecuada para el tipo de contenido
- Puntuación que afecta el ritmo
- Números o acrónimos no manejados bien
- Limitaciones del proveedor de voz
- Navegue a Modelos → Voz
- Pruebe una voz diferente del mismo proveedor
- Pruebe un proveedor de voz completamente diferente
- Agregue pronunciaciones personalizadas para palabras problemáticas
- Ajuste la configuración de estabilidad/claridad (ElevenLabs)
- Ajuste la velocidad de habla
- Modifique la salida de texto para mejorar TTS
- Escuche la grabación de audio
- Compare el texto con cómo se habló
- Verifique las etiquetas SSML (si se usan)
- Verifique que se aplicó la configuración de voz
Problemas de ejecución de acción/herramienta
Problemas de ejecución de acción/herramienta
Cómo identificar:
- La acción no se activa cuando se espera
- La acción se activa pero falla
- Datos incorrectos enviados a la acción
- La acción devuelve un error
- Acción no configurada correctamente
- Endpoint de API caído o lento
- Fallo de autenticación
- Extracción de parámetros incorrecta
- Tiempo de espera de red agotado
- Verifique si la acción se activó en los registros de conversación
- Revise la carga útil de la acción (JSON enviado a la API)
- Verifique la respuesta de la API y el código de estado
- Pruebe el endpoint de la API directamente (Postman, curl)
- Verifique las credenciales de autenticación
- Verifique la extracción de parámetros de la conversación
- Revise las instrucciones de acción en la indicación del agente
- Campos
custom_data.actionso similares - Carga útil de la solicitud de API
- Cuerpo de la respuesta de API
- Mensajes de error y trazas de pila
- Marca de tiempo (¿se agotó el tiempo de espera?)
Los registros de conversación muestran las cargas útiles de acciones completas, incluidos los datos de solicitud/respuesta.
Problemas de recuperación de conocimientos
Problemas de recuperación de conocimientos
Cómo identificar:
- El agente no puede responder preguntas que debería saber
- El agente recupera conocimientos incorrectos
- El agente mezcla información irrelevante en las respuestas
- Conocimientos aún no indexados
- La recuperación RAG no encuentra elementos relevantes
- Base de conocimientos no asignada al agente
- Verifique que la base de conocimientos esté asignada al agente
- Verifique que los elementos de conocimiento estén INDEXADOS (no solo COMPLETADOS)
- Revise los títulos de los elementos de conocimiento—hágalos descriptivos
- Pruebe con una base de conocimientos más pequeña
- Pruebe el modo Contexto vs el modo RAG
- Verifique los registros de conversación para conocimientos recuperados
Uso de registros de conversación para depuración
Cada llamada de prueba crea un registro detallado accesible en Conversaciones.Contenido de los registros:
Información básica:- Fecha, hora, duración de la llamada
- Agente utilizado
- Número de teléfono (si es prueba telefónica)
- Estado de la llamada (completado, fallido, etc.)
- Transcripción completa (usuario + agente)
- Marcas de tiempo para cada mensaje
- Grabación de audio (si está disponible)
- Acciones activadas con cargas útiles
- Entradas DTMF capturadas
- Resultados de análisis de objetivos
- Respuestas de análisis post-llamada
- Campos de datos personalizados
- Mensajes de error
- Filtre por nombre del agente para encontrar llamadas de prueba
- Abra una llamada específica para ver todos los detalles
- Lea la transcripción para identificar dónde salió mal
- Verifique las cargas útiles de acciones si las acciones fallaron
- Escuche el audio si la transcripción se ve correcta pero el audio estaba mal
- Revise las marcas de tiempo para identificar problemas de latencia
Obtener ayuda
Cuando necesite soporte adicional:Revisar la documentación
Consulte la documentación de funciones específicas para detalles de configuración
Verificar estado del proveedor
Visite las páginas de estado de OpenAI, Deepgram, ElevenLabs, Azure
Contactar soporte
Envíe un correo electrónico a support@itellico.ai con registros de llamadas y detalles de error
- ID o nombre del agente
- ID de conversación de los registros
- Mensajes de error específicos
- Pasos para reproducir
- Capturas de pantalla si corresponde
Próximos pasos
Lista de verificación de lanzamiento
Una vez que haya depurado su agente, revise la lista de verificación de lanzamiento para prepararse para producción