Smart Analyst：用自然语言查询对话性能数据
不想看图表？直接问
Dashboard 上的图表再清晰，也覆盖不了你脑子里冒出来的那些具体问题——比如"上周三下午转接率突然升高的原因是什么"、"客户问'我想改地址'时，智能体通常怎么回答"、"3 月份走预订 Flow 的对话里，第几步最容易卡住"。
Smart Analyst 就是为这种场景设计的——你直接用自然语言问，它给你答案。
能问什么
Smart Analyst 可以回答的问题类型：
| 类型 | 示例问题 |
|---|---|
| 指标查询 | "过去一周的平均 CSAT 是多少？"、"转接率在周末有没有变化？" |
| 对比分析 | "2 月和 3 月的话题覆盖率有什么差异？"、"Staging 和 Live 的 Flow 完成率一样吗？" |
| 归因分析 | "为什么昨天对话量突然下降了？"、"退款 Flow 完成率最低的原因是什么？" |
| 内容分析 | "客户最近最常问的前 10 个问题是什么？"、"智能体说过哪些让客户不满意的话？" |
| 趋势预测 | "按当前趋势，下个月对话量会有多少？" |
回答形式
Smart Analyst 的回答不是纯文字——它会根据问题类型自动选择最佳展示方式：
- 简单数值问题：直接给数字 + 一句话解释
- 趋势问题：自动生成折线图
- 排名问题：自动生成条形图或表格
- 归因问题：列出原因并给出证据（比如"昨天对话量下降是因为电话号码配置被误删了，下午 4 点修复后恢复正常"）
和 Dashboard / Conversations 的联动
Smart Analyst 回答里提到的任何具体对话、话题、Flow，都可以点击跳转到对应的 Dashboard 下钻或 Conversations 会话做进一步排查。形成一个完整的探索链：
用 Smart Analyst 问 → 发现异常 → 点击跳转到具体会话 → 回看完整对话 → 定位问题 → 用 Agent Builder 修 → Publish和 PolyAI 其他 AI 能力的关系
PolyAI 内部有三类 AI 功能，各司其职：
| AI 功能 | 做什么 | 用户是谁 |
|---|---|---|
| Agent Builder | 用自然语言改智能体配置（生产型） | 构建团队 |
| Smart Analyst | 用自然语言查询对话数据（分析型） | 运营 / 分析 / 管理 |
| Dialog-RSN-1 / Raven | 对话管道里处理真实客户对话（生产执行型） | 最终用户（客户） |
三者用的是同一个 PolyAI 大模型底座，但面向完全不同的使用场景。