对话式 AI 智能体的自我改进闭环：Duet Autopilot 把生产信号变成可审核的版本化更新

一句话结论

对话式 AI 客服最大的运营瓶颈不是上线，而是上线之后的持续迭代——Duet Autopilot 用”发现改进机会、修改智能体逻辑、测试验证、生成版本化更新供人审批”的连续闭环，把生产环境里的质检与错误信号直接翻译成可审核的智能体新版本，且在启动前和上线前两道关口都强制人工确认。

从基础设施到 Duet，再到自动闭环的产品路径

Decagon 对自身产品演进给出了一条清晰的路线：先做基础设施，让 AI 智能体保持峰值表现；再推出 Duet 这个 AI 伙伴，帮助团队更高效地构建和迭代；现在发布 Duet Autopilot，把”人发现机会、人修改逻辑”的最后一段也自动化——直接把生产信号转化为经过验证的智能体更新，交由人工审核。贯穿这条路径的理念是让团队完全拥有端到端的智能体开发，而不是每次调优都依赖外部力量。

对于运营 AI 客服的团队来说，这条路径对应着三个阶段的真实痛点：基础设施解决稳定性，Duet 解决构建效率，Autopilot 解决持续改进的人力瓶颈。

Autopilot 的连续闭环：四步把生产信号变成版本化更新

Autopilot 以连续循环的方式运行，每轮包含四个环节。第一步是浮现改进机会：系统从生产环境中主动发现哪里可以做得更好。第二步是更新智能体逻辑：针对发现的机会自动修改智能体的行为规则。第三步是测试与迭代：反复测试修改后的效果，直到相对初始状态显示出经过验证的改进。第四步是生成版本化更新：验证通过的变更以带版本的更新形式呈现，等待人工审核。

团队可以直接在平台上配置这套闭环的输入：先给 Autopilot 一份前置指引，约束它提出的每一项变更——从品牌语气、写作标准到明确的禁区规则都在指引范围内；随后 Autopilot 依赖两类主要输入运行，一是团队写下的指引，二是生产环境里发生的一切的汇总产物，包括质检审查、错误影响报告和智能体健康审计。系统处理这些信号后自动修改智能体逻辑，并在测试与迭代中持续打磨，直到改进得到验证。

两道人工关口：启动前与上线前都必须有人确认

自动闭环最容易引发的担忧是失控——AI 自己改自己，出错怎么办。Autopilot 的答案是双人工关口设计：人的输入在 Autopilot 启动之前是必需的，在任何变更上线之前也是必需的。也就是说，AI 负责发现、修改、验证这些重体力活，但”开始做”和”发布出去”两个决策点都留在人手里。

具体到审核体验：所有推荐的更新会出现在一份输出产物报告中；变更准备就绪时团队会收到提醒，并在一个版本化的工作区里查看这些变更——逐条审查差异（diffs），决定哪些发布上线、哪些继续迭代。一旦把验证过的信号推送上线，整个循环重新开始，进入下一轮自动改进。

对客服团队的实际意义

把这套机制放回客服运营场景：AI 智能体上线只是起点，真正的成本在于日常维护——质检发现的问题、错误造成的影响、健康审计暴露的短板，都需要人去分析并调整智能体。Autopilot 把”分析信号、提出修改、验证效果”这段最耗时的链路交给 AI 自动处理，团队只需要在版本化工作区里做最终决策，让客服团队负责人可以把精力放在判断”该不该发布”而不是”怎么改”上。

对经营多个智能体的企业来说，版本化更新加人工审批的组合也意味着可追溯：每一次行为变更都有记录、有验证依据、有审批人，出错可以回滚，审计有据可查。

原文信息

• 原视频标题：Duet Autopilot: See it in action
• 频道：Decagon AI
• 讲者：Decagon AI 官方
• 发布日期：2026-06-16
• 视频时长：1 分 55 秒
• 内容说明：本文根据原视频字幕忠实翻译并重组为中文图文稿，删减了口语重复和无信息量转场；未改变原作者观点。图片为视频中的代表性演示画面，版权归原作者或原权利人所有。