若无法定位或解读ClawBot对话满意度评分，需依次检查：一、确认config.yaml中quality_metrics和csat_enabled为true且关键词配置正确；二、从logs/metrics/csat_日期.json提取结构化评分数据；三、用CLI命令./clawbot metrics --csat --date 日期汇总统计；四、通过http://localhost:8080/metrics/csats访问Web仪表板可视化分析；五、用Python脚本调用接口进行归因分析。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您已启用ClawBot的对话质量评估功能，但无法定位或解读对话满意度评分，则可能是由于评分数据未被正确提取、存储路径配置异常或分析模块未激活。以下是查看和分析对话满意度评分的具体操作步骤：
一、确认对话数据采集与评分模块已启用
该步骤确保ClawBot在交互过程中实际执行了满意度指标的识别与记录，而非仅保存原始对话文本。若模块未启用，后续所有分析均无数据基础。
1、打开ClawBot配置目录，定位到config.yaml文件。
2、查找quality_metrics字段，确认其值为true。
3、检查csat_enabled子项是否设置为true，并确认csat_trigger_keywords中包含如“满意”“还好”“一般”“不满意”等中文情感关键词。
4、保存修改后，重启ClawBot服务使配置生效。
二、从本地日志文件中提取CSAT原始评分数据
ClawBot默认将每次对话的CSAT评分以结构化JSON格式写入本地日志，路径由log_dir参数指定，便于直接读取与验证。
1、进入logs/metrics/子目录（若不存在请手动创建）。
2、查找以csat_开头且日期为当天的JSON文件，例如csat_2026-05-15.json。
3、使用文本编辑器或命令行工具（如cat csat_2026-05-15.json | jq '.'）打开该文件。
4、确认每条记录包含dialog_id、timestamp、csat_score（1–5整数）、csat_reason（模型提取的归因短语）字段。
三、通过内置CLI命令快速汇总统计
ClawBot提供轻量级命令行接口，无需编写脚本即可完成基础聚合分析，适用于日常运营复盘。
1、在终端中切换至ClawBot安装根目录。
2、执行./clawbot metrics --csat --date 2026-05-15命令。
3、观察输出中的avg_csat_score、sat_rate_4plus（4分及以上占比）、low_score_dialogs（1–2分对话ID列表）三项核心指标。
4、如需导出为CSV，追加--export csv参数，结果将生成至exports/csats_20260515.csv。
四、调用内置Web仪表板可视化查看
当ClawBot以服务模式运行时，其嵌入式HTTP服务器会暴露一个只读分析界面，支持按时间范围、渠道、技能标签筛选CSAT趋势。
1、确保webui_enabled: true已在config.yaml中启用。
2、启动ClawBot后，访问http://localhost:8080/metrics/csats。
3、在页面顶部选择日期范围（支持单日、近7日、近30日），点击“刷新”按钮。
4、查看折线图中的<strong><font color="green">平均CSAT分值</font></strong>曲线，并点击柱状图中任意时段，弹出该时段内<strong><font color="green">低分对话详情</font></strong>浮层。
五、使用Python脚本进行深度归因分析
针对需关联上下文的行为分析（例如：某类问题触发后CSAT骤降），可调用ClawBot公开的数据访问接口进行定制化处理。
1、安装依赖：pip install pandas requests。
2、新建analyze_csat.py，填入以下代码：
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("低分对话中出现频率最高的归因词：")
print(low_score['csat_reason'].value_counts().head(3))
3、运行脚本：python analyze_csat.py。
4、输出示例中将显示如<strong><font color="green">响应超时</font></strong>、<strong><font color="green">未解决根本问题</font></strong>等高频归因短语。
