> ## Documentation Index
> Fetch the complete documentation index at: https://docs.ukrgsm.com/llms.txt
> Use this file to discover all available pages before exploring further.

# QA-аналіз

> Вузол QA-аналізу запускає перевірку якості голосового агента після завершення дзвінка.

Вузол QA-аналізу запускає LLM-перевірку якості за транскриптом дзвінка після завершення кожної розмови. Використовуйте його, щоб оцінювати роботу агента, позначати порушення комплаєнсу й виявляти закономірності серед дзвінків — без ручного прослуховування записів.

## Коли він виконується

Вузол QA-аналізу виконується лише після завершення дзвінка. Він не є частиною живого потоку дзвінка — він читає готовий транскрипт після завершення розмови. У нього немає переходів, і він не може з'єднуватись з іншими вузлами сценарію.

Це означає, що QA не впливає на поведінку дзвінка — лише вимірює її.

## Де розмістити на полотні

Додайте вузол QA-аналізу будь-де на полотні. Йому не обов'язково з'єднуватись з іншими вузлами — часто його розміщують збоку, щоб було зрозуміло, що це окремий незалежний оцінювач. Вузол автоматично запускається для кожного придатного дзвінка після публікації сценарію.

## Налаштування системного промпту

Основне налаштування — поле **Системний промпт**: інструкції для LLM-рецензента про те, як оцінювати кожен дзвінок. LLM читає транскрипт і повертає структурований JSON-результат.

Промпт за замовчуванням уже охоплює типові виміри якості:

* **Теги**: іменовані проблеми, виявлені в транскрипті. Типовий набір тегів включає `DEAD_AIR`, `USER_FRUSTRATED`, `ASSISTANT_IN_LOOP`, `ASSISTANT_REPLY_IMPROPER`, `USER_NOT_UNDERSTANDING`, `HEARING_ISSUES`, `UNCLEAR_CONVERSATION`, `USER_REQUESTING_FEATURE`, `ASSISTANT_LACKS_EMPATHY`, `USER_DETECTS_AI`.
* **Оцінка якості дзвінка**: шкала 1–10.
* **Загальна тональність**: позитивна, нейтральна або негативна.
* **Підсумок**: опис сегмента дзвінка в 1–2 реченнях.

Системний промпт за замовчуванням можна замінити власними інструкціями, якщо потрібна оцінка для конкретної предметної області. Пишіть промпт як інструкції для LLM-рецензента й вказуйте, яку структуру JSON очікуєте у відповідь.

Наприклад, для сценарію комплаєнсу:

```text theme={null}
Ти — рецензент комплаєнсу для сценарію стягнення боргу.

Проаналізуй транскрипт і поверни JSON-об'єкт з такими полями:
- "identity_verified": true або false — чи підтвердив агент особу абонента перед обговоренням рахунку?
- "options_presented": true або false — чи запропонував агент усі варіанти оплати перед прийняттям рішення?
- "tone_score": 1-5 — наскільки спокійно й професійно поводився агент?
- "summary": одне речення з описом результату дзвінка.
```

<Tip>
  Будьте конкретні щодо того, що вважається успіхом чи коректною оцінкою. Вказуйте точну поведінку, яку LLM має шукати. Розпливчасті інструкції дають непослідовні результати між дзвінками.
</Tip>

## Додаткові налаштування

| Налаштування                        | За замовчуванням | Що робить                                                                                       |
| ----------------------------------- | ---------------- | ----------------------------------------------------------------------------------------------- |
| Увімкнено                           | Увімкнено        | Перемикач для вимкнення QA без видалення вузла                                                  |
| Використовувати LLM сценарію        | Вимкнено         | Якщо увімкнено, для QA використовується та сама LLM, що й у сценарії, замість типової моделі QA |
| Мінімальна тривалість дзвінка (сек) | 15               | Дзвінки коротші за це значення пропускаються                                                    |
| Враховувати автовідповідач          | Вимкнено         | Якщо вимкнено, дзвінки, позначені як автовідповідач, пропускаються                              |
| Частка вибірки (%)                  | 100              | Запускає QA лише для частини дзвінків, а не для всіх                                            |

## Перегляд результатів QA

Після завершення дзвінка аналіз QA запускається автоматично. Результати можна переглянути на сторінці деталей запуску для кожного окремого дзвінка.

Відкрийте запуск і прокрутіть до розділу **QA Analysis**. Результат показує повний JSON, який запросив ваш системний промпт QA, — теги, оцінки, тональність і підсумок за замовчуванням, або будь-яку структуру, яку ви визначили.

## Типові помилки

**Очікування, що QA вплине на живий дзвінок.** Вузол QA-аналізу лише читає дані під час виконання. Він оцінює те, що сталося, а не змінює те, що відбувається.

**Спроба з'єднати вузол QA-аналізу з іншими вузлами.** У QA немає переходів. Провести з'єднання від QA до іншого вузла неможливо — з'єднання просто не закріпиться.

**Розпливчастий системний промпт.** «Чи добре впорався агент?» дає неінформативні оцінки. Визначайте конкретну, спостережувану поведінку й точну структуру JSON, яку хочете отримати.

**Відсутність чіткого формату відповіді.** LLM слідує вашим інструкціям, але якщо не вказати формат повернення, результат може бути непослідовним між дзвінками. Завжди описуйте точну структуру JSON у системному промпті.

## Далі

<CardGroup cols={2}>
  <Card title="Вузол агента" href="./agent">
    Налаштуйте логіку розмови, яку оцінює QA.
  </Card>

  <Card title="Вебхук" href="./webhook">
    Надсилайте результати дзвінка у зовнішні системи після завершення.
  </Card>

  <Card title="Завершення дзвінка" href="./end-call">
    Налаштуйте фінальну репліку перед завершенням дзвінка.
  </Card>
</CardGroup>