ClawBot对话满意度评分查看与分析方法详解

当您已经为ClawBot启用了对话质量评估功能，却找不到或看不懂那些宝贵的用户满意度评分时，问题可能出在几个环节：评分数据没有被正确抓取和存储，存储路径配置有误，或者分析模块压根没启动。别担心，下面这套操作指南能帮你一步步定位问题，并把评分数据清晰地呈现出来。

一、先确认“数据采集开关”是否真的打开了

这是所有分析的基础。如果评分模块本身就没在工作，那后面的一切都是空谈。这一步要确保ClawBot在每次对话中，都能识别出用户表达满意与否的关键词，并把分数记录下来。

首先，找到ClawBot的配置文件config.yaml。打开它，重点检查两个地方：一是确认quality_metrics这个总开关被设为true；二是看它下面的csat_enabled子项是不是也是true。对了，别忘了看一眼csat_trigger_keywords里有没有配置好“满意”、“一般”、“不满意”这类中文关键词，这是触发评分的“监听器”。检查无误后，记得重启一下ClawBot服务，让新配置生效。

二、去日志文件里“挖”原始数据

ClawBot默认会把每次对话的满意度评分，以结构化的JSON格式悄悄写在本地日志里。路径嘛，就看配置文件里log_dir怎么设的了。

直接去logs/metrics/这个目录下找（如果没这个目录，可能需要手动建一个）。你会看到以csat_开头、跟着日期的文件，比如csat_2026-05-15.json。用文本编辑器打开它，或者用命令行工具jq美化一下格式再查看。里面每条记录都应该包含对话ID、时间戳、具体的CSAT分数（1到5分），以及系统自动提取的评分原因短语。

三、用命令行工具快速算个“总分”

如果你只是想快速了解一下整体情况，比如今天的平均分是多少、有多少对话是高分，那用ClawBot自带的命令行工具最方便，省去了写脚本的麻烦。

打开终端，进入ClawBot的安装根目录，然后执行类似./clawbot metrics --csat --date 2026-05-15这样的命令。屏幕上就会直接输出几个核心指标：平均分、4分及以上的好评率，还有那些得了低分（1-2分）的对话ID列表。如果想导出成表格进一步处理，加个--export csv参数就行，结果会保存到exports目录下。

四、打开可视化面板，一目了然看趋势

对于日常监控和复盘来说，有个图表看板会直观很多。只要你在配置里打开了webui_enabled，ClawBot内置的HTTP服务器就会提供一个只读的分析界面。

启动服务后，在浏览器里访问http://localhost:8080/metrics/csats。页面上通常可以选择日期范围，比如看单日、近7天或近30天的数据。点击刷新，你就能看到平均CSAT分值的走势曲线。更棒的是，你还可以点击图表上的某个柱状区间，直接弹出查看该时段内具体是哪些对话得了低分，方便深度下钻。

五、写个简单脚本，深入分析“为什么”

当你想知道“为什么某类问题出现后，满意度就直线下降”时，就需要把评分数据和对话上下文关联起来做深度分析了。这时候，可以自己写个小脚本来处理。

这里给个Python的例子：先读取之前提到的JSON日志文件，用pandas库把数据加载成表格。然后，可以轻松地筛选出所有低分（比如1分和2分）的记录。接着，统计这些低分记录里，系统自动提取的“归因短语”哪个出现得最频繁。运行脚本，输出结果可能会显示“响应超时”或“未解决根本问题”等成了高频词，这就能非常直观地指出待改进的痛点了。

示例代码框架如下：

import json, pandas as pd
with open("logs/metrics/csat_2026-05-15.json") as f:
    data = [json.loads(line) for line in f]
df = pd.DataFrame(data)
low_score = df[df['csat_score'].isin([1,2])]
print("低分对话中间出现频率最高的归因词：")
print(low_score['csat_reason'].value_counts().head(3))