Cekura让AI自己修错，人类先看账单

作者丨沐秋

AI 客服最尴尬的时刻，不是它不会回答。

是它昨天会回答，今天换了一版 prompt，突然把「取消预约」听成了「重新预约」。

Cekura 想处理的，就是这种改一处、坏三处的语音 Agent。

它在 7 月 28 日登上 Product Hunt，已经是第 4 次发布；这次的卖点是模拟成千上万种场景，找出失败原因，改写 prompt 和配置，再跑一轮回归。1

Cekura 让测试 Agent 扮演不同的人：着急的、不耐烦的、带口音的、会打断的，以及突然跳出流程的人。

它还能回放真实对话，检查沉默、打断、延迟、情绪、音调和胡话检测等语音信号。官网列出的接入对象包括 LiveKit、Pipecat、Vapi、Retell、ElevenLabs、Cisco 和 Five9。2

这比只拿一份文本问模型「回答得好不好」更接近真实电话。

电话里的错误往往不是一句话错了，而是 Agent 没听见、没等完、没接住，或者用户插话后忘了自己正在做什么。

AI 科技评论注意到，语音 Agent 的麻烦已经从「能不能说话」转向「改完以后还像不像原来的那个客服」。

Cekura 宣称自己会诊断根因、重写 prompt 和配置，再证明修复没有过拟合。1

翻成工程师听得懂的话，就是把「发现回归」和「修回去」放进同一条流水线。

但修的是 prompt 和配置，不是业务判断。

如果团队把「客户完成了通话」错当成成功指标，Cekura 也可能很勤快地把 Agent 优化到更会完成错误的目标。

像一台自动改卷机，评分标准写歪了，它只会更稳定地把错题改成满分。

Cekura 自己的评估指南也写得很直白：场景是否像真实用户、能否稳定复现、能否识别幻觉和细微打断，都不能靠销售演示验证，必须自己跑测试。3

Cekura 把席位和使用量拆开算。第一个用户免费，后续每个用户每月 30 美元；语音测试每分钟 5 credits，聊天测试每条消息 0.5 credits，监控每次指标运行 0.2 credits。4

官方 FAQ 给出的例子是：跑一通 2 分钟语音测试，再用 5 个指标评估，总共消耗 11 credits。开发者账户限制为 1 个项目、最多 10 路并发，超额使用按承诺 credits 价格的 2 倍计费；额外电话线每月 10 美元，按启用天数折算。5

这套账单对轻量试用很友好，对夜间回归和大规模压测就没那么轻松。

你以为自己买的是一个席位，真正消耗预算的却是测试分钟、评估指标和重复运行次数。

语音 Agent 最需要测试的时候，往往正是发布前、模型切换后和事故刚发生时。

账单也会在这些时刻一起变厚。

Cekura 的安全材料至少把加密、租户隔离、PHI 脱敏、审计日志、区域数据驻留和 BYOC 写到了公开页面，并声称客户的对话、prompt、转录和评估轨迹不会被用于训练基础模型。6

但这份承诺要和数据流一起读。

隐私政策列出的 AI 服务商包括 OpenAI、AWS AI、Anthropic、Google Cloud AI 和 Microsoft Azure AI；这份通用政策最后更新时间是 2024 年 12 月 28 日。7

产品文章则写得更细：生产监控数据可以选择欧盟区域，合成测试数据目前只放在美国，默认保留期是一年，也可以申请自定义期限。它还特意区分了 VPC 和真正的本地部署，默认不是把软件装进客户机房。4

安全文章里的 BYOC 是把平台跑在客户自己的云账户里，数据边界更窄，具体仍要看合同和供应商配置。语音数据要经过电话、语音识别、LLM、语音合成和质检平台，每一站都可能多留一份录音或转录。

Cekura 自己也提醒，训练退出、零留存端点、脱敏和自动删除要逐个确认，不能拿一句「加密」把整条链路盖过去。8

Product Hunt 当前给 Cekura 的评分是 5.0，但只有 1 条评测，Reviews 页面明确显示没有其它用户评测。那条反馈来自 Gradient Bang，称它能测试语音 AI，连 subagents 这种复杂功能也能覆盖。样本太小，不能证明它已经在大规模生产环境里稳定工作。9

X 上查到的内容也主要是上线转发：创始人发布 Product Hunt 链接的帖子得到 8 个赞，Cekura 官方配套帖是 0 个赞，目前看不到足够多的独立用户把失败案例、误报率和实际账单摊出来。1011

AI 科技评论不会把「5.0 分」翻译成「已经验证」。

如果要试，我会先拿一个低风险流程，把旧 Agent 和新 Agent 放进同一批场景里比较，再开 credits 上限和数据保留期限。

涉及医疗、支付或身份核验时，还要先把 BAA、区域、供应商和删除流程写进合同。

Cekura 把语音 Agent 的质检做成了一条像样的流水线，但它还没有把判断权、成本和责任一起自动化。