Aktualizacje Ender Turing — od 2026-07-02 do 2026-07-15

Ważne zmiany

Dostosuj intensywność rozumowania LLM dla każdej funkcji

Kategoria: poprawka
Ważność: wysoka
Co się zmieniło: Nowe opcje ustawień LLM pozwalają administratorom niezależnie ustawiać intensywność rozumowania lub budżet myślenia dla każdej funkcji AI.
Korzyść dla klienta: Można precyzyjnie równoważyć jakość odpowiedzi AI, szybkość i koszty, a także uniknąć błędów czatu Ender GPT w niektórych wdrożeniach Azure.
Najważniejsze informacje:

• Ustawieniami zarządza się teraz w interfejsie, a nie przez zmienne środowiskowe.
• Rozumowanie można ustawić oddzielnie dla podsumowań, AutoQA i czatu Ender GPT.
• Edytor sprawdza ustawienia przy zapisywaniu, aby zapobiec błędom podczas działania.

Przywrócono podpowiedzi wzmianek @ w komentarzach

Kategoria: poprawka
Ważność: średnia
Co się zmieniło: Wpisanie symbolu „@” w komentarzu do rozmowy znów poprawnie wyświetla listę użytkowników do oznaczenia.
Korzyść dla klienta: Możesz ponownie oznaczać współpracowników w komentarzach, zapraszając ich do sprawdzenia rozmowy lub dalszego działania.
Najważniejsze informacje:

• Lista użytkowników pojawia się niezawodnie podczas komentowania rozmowy.
• Oznaczanie członków zespołu działa w głównym widoku rozmowy i w ponownie użytych edytorach komentarzy.

Bezpieczniejsze komunikaty o błędach zaplanowanych czatów

Kategoria: poprawka
Ważność: średnia
Co się zmieniło: Nieudane uruchomienia zaplanowanych czatów Ender Chat pokazują teraz jasne, przyjazne użytkownikowi przyczyny zamiast wewnętrznych szczegółów systemu.
Korzyść dla klienta: Zwiększa to bezpieczeństwo, ponieważ komunikaty nie ujawniają poufnych informacji systemowych.
Najważniejsze informacje:

• Komunikaty w historii zaplanowanych uruchomień są wyselekcjonowane i zrozumiałe.
• Znane problemy, takie jak limity przydziału, są tłumaczone na wskazówki pozwalające podjąć działanie.

Tematy LLM otrzymują automatyczną bazową wersję opisu

Kategoria: ulepszenie
Ważność: średnia
Co się zmieniło: Każdy temat LLM ma teraz automatycznie utworzoną wersję bazową opartą na pierwotnym opisie tekstowym.
Korzyść dla klienta: Możesz od razu wrócić do pierwotnej definicji tematu lub porównać jej skuteczność z nowszymi wersjami strukturalnymi.
Najważniejsze informacje:

• Wersja bazowa jest tworzona automatycznie i można ją aktywować jednym kliknięciem z historii wersji.
• Jest oceniana razem z wersją aktywną, co pozwala bezpośrednio porównywać dokładność.

Bardziej niezawodne przechowywanie i usuwanie plików multimedialnych

Kategoria: poprawka
Ważność: średnia
Co się zmieniło: Proces czyszczenia multimediów poprawnie wykrywa i zgłasza nieudane usunięcia plików zamiast po cichu oznaczać je jako udane.
Korzyść dla klienta: Zasady przechowywania danych są egzekwowane niezawodnie, a pliki po upływie okresu przechowywania rzeczywiście znikają z magazynu.
Najważniejsze informacje:

• Nieudane zadania usuwania są ponawiane zamiast ignorowane.
• Niepoprawnie skonfigurowane zasady przechowywania są obsługiwane bezpieczniej, aby zapobiegać przypadkowej utracie danych.

Pozostałe zmiany

Bardziej niezawodna kategoryzacja połączeń

Kategoria: ulepszenie
Ważność: średnia
Co się zmieniło: Mechanizm kategoryzacji połączeń używa teraz bardziej ustrukturyzowanego formatu, co zmniejsza liczbę błędów i poprawia spójność.
Korzyść dla klienta: Kategorie są przypisywane rozmowom bardziej niezawodnie i przewidywalnie.
Najważniejsze informacje:

• Mniej prób kategoryzacji kończy się błędem z powodu nieprawidłowych odpowiedzi AI.
• Dostępny jest nowy zarządzany prompt „Kategoryzacja według jednego tematu”, który grupuje połączenia według ich głównego celu.
• Edytor promptów nie pozwala już zapisywać konfiguracji, które na pewno spowodują błąd.

Widoczność kosztów LLM dla administratorów klientów

Kategoria: poprawka
Ważność: średnia
Co się zmieniło: Ustawienie „Włącz śledzenie kosztów LLM” poprawnie pokazuje teraz koszty administratorom klientów z wymaganymi uprawnieniami.
Korzyść dla klienta: Po włączeniu śledzenia administratorzy mogą samodzielnie monitorować wydatki na LLM w platformie.
Najważniejsze informacje:

• Koszty są widoczne na stronie EnderGPT Chat i na liście promptów w Analityce.
• Wymagane są jednocześnie włączone ustawienie globalne i uprawnienie użytkownika do zarządzania automatyzacjami.

Poprawne filtry dat po przejściu z wykresów tygodniowych

Kategoria: poprawka
Ważność: średnia
Co się zmieniło: Kliknięcie punktu danych dla danego tygodnia na wykresie stosuje teraz do listy rozmów właściwy zakres od poniedziałku do niedzieli.
Korzyść dla klienta: Możesz badać trendy tygodniowe jednym kliknięciem, trafiając do właściwych rozmów bez ręcznej poprawy filtrów.
Najważniejsze informacje:

• Po przejściu z widoku tygodnia nie powstają już puste ani zdublowane zakresy dat.
• Tygodnie obejmujące przełom roku są obsługiwane prawidłowo.

Priorytetowe przetwarzanie pilnych nagrań

Kategoria: funkcja
Ważność: średnia
Co się zmieniło: Przesłanemu nagraniu można teraz nadać wysoki priorytet przetwarzania przez dodanie specjalnego znacznika w nazwie pliku.
Korzyść dla klienta: Pilne nagrania trafiają wcześniej do przetwarzania, więc wyniki analizy otrzymujesz szybciej.
Najważniejsze informacje:

• Funkcja jest opcjonalna i musi ją skonfigurować administrator.
• Znacznik wysokiego priorytetu zastępuje automatyczny niski priorytet bardzo krótkich nagrań.

Panel pozostaje stabilny przy filtrowaniu kanału E-mail

Kategoria: poprawka
Ważność: średnia
Co się zmieniło: Główny panel nie przestaje już odpowiadać, gdy filtrujesz widżet czasu trwania sesji tak, aby pokazywał tylko rozmowy e-mailowe.
Korzyść dla klienta: Możesz niezawodnie filtrować metryki panelu według dowolnego kanału bez awarii strony lub konieczności jej odświeżenia.

Początkowe wersje kategorii zawsze otrzymują ocenę dokładności

Kategoria: poprawka
Ważność: średnia
Co się zmieniło: Ocena dokładności jest teraz obliczana dla pierwszej wersji nowej kategorii, nawet jeśli recenzenci zgadzają się ze wszystkimi początkowymi klasyfikacjami próbek.
Korzyść dla klienta: Od razu widzisz skuteczność kategorii i masz jasny punkt odniesienia dla przyszłych ulepszeń.
Najważniejsze informacje:

• Usunięto mylący stan „brak dokładności” dla nowych kategorii, które dobrze działają od początku.

Filtr nazwy kampanii w wyzwalaczach automatyzacji

Kategoria: ulepszenie
Ważność: średnia
Co się zmieniło: Nazwa kampanii jest teraz dostępna jako warunek filtra podczas tworzenia lub edytowania wyzwalaczy automatyzacji.
Korzyść dla klienta: Możesz tworzyć dokładniejsze automatyzacje uruchamiane wyłącznie dla rozmów z jednej lub kilku wybranych kampanii.
Najważniejsze informacje:

• Filtry wyzwalaczy oferują teraz takie same możliwości filtrowania kampanii jak inne części platformy.

Zasady przechowywania multimediów działają z Azure Blob

Kategoria: poprawka
Ważność: średnia
Co się zmieniło: Pliki audio w Azure Blob są teraz poprawnie usuwane zgodnie ze skonfigurowanymi zasadami przechowywania.
Korzyść dla klienta: Zasady przechowywania działają również we wdrożeniach Azure, co pomaga kontrolować koszty magazynu i spełniać wymagania zgodności.
Najważniejsze informacje:

• Czyszczenie magazynu Azure działa teraz spójnie z innymi systemami przechowywania.

Czas następnego uruchomienia czatu aktualizuje się po zmianach

Kategoria: poprawka
Ważność: średnia
Co się zmieniło: Zmiana czasu, częstotliwości lub strefy czasowej zaplanowanego Ender Chat od razu aktualizuje wyświetlany czas następnego uruchomienia.
Korzyść dla klienta: Możesz mieć pewność, że zaplanowane raporty uruchomią się o właściwej nowej porze po edycji harmonogramu.
Najważniejsze informacje:

• Doprecyzowano tekst pomocy dla opcji „Odłóż następne uruchomienie”.

Analiza AI jest pomijana dla pustych połączeń

Kategoria: poprawka
Ważność: średnia
Co się zmieniło: Działania AI, takie jak Auto QA, podsumowania i kategoryzacja LLM, są automatycznie pomijane dla krótkich lub cichych połączeń bez transkrypcji.
Korzyść dla klienta: Zapobiega to zbędnemu przetwarzaniu i utrzymuje raporty wolne od bezwartościowych wyników AI dla sesji bez rozmowy.
Najważniejsze informacje:

• Automatyzacje oparte na metadanych, takie jak komentarz lub webhook, nadal uruchamiają się dla tych połączeń.
• Dane do trenowania i oceny kategoryzacji LLM stają się dzięki temu czystsze.