研究提出客户上下文图谱并评测三种反馈分析系统

Raviraja G、Viraj Bagal 与 Prabhath Chellingi 提出"客户上下文图谱"，将客户反馈、会话、用户、账户、工单、竞品、洞察等对象用类型化关系连接，使智能体在知道客户说了什么之外，还能追溯原因、影响范围与后续处理。 研究在 9,432 条公开 Cursor 反馈记录上，用 30 个产品、事故、对比和元数据类问题，对比 Agentic RAG、Deep Research Agent 与客户上下文图谱支持的智能体三种系统。作者称图谱在本实验中由公开 Cursor 反馈填充，同一架构可支持任意反馈来源。 由于没有完整标准答案，评测从答案质量（覆盖度与组织性）、分析深度（具体性与拆解）和证据质量（引用支持与可追溯性）三方面联合打分，所用比较量表在 30 个问题中的 28 个上校准。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。