用途：将复杂的 ElevenLabs 语音智能体（通常是多节点工作流）简化为更精简的架构，同时用测试套件证明简化版至少与原版同样好。核心流程：完整理解复杂智能体 → 先编码为测试套件（基准真值）→ 构建简化版 → 迭代至每项测试持平或更优 → 在分支上 A/B → 交付并附诚实报告。输出不只是简化版智能体，还包括原生附加在平台上的等价性测试套件，客户可自行重跑。
安全约束：绝不编辑生产智能体、全局工具、知识库或共享测试；只在副本或分支上操作。任何 PATCH 前校验 agent_id / branch_id 指向副本；首次修改前快照完整智能体 JSON；真实通话记录含 PII，须留在临时空间、不提交、用后删除，并清洗动态变量种子。
主要能力：拉取智能体 JSON 并逐层梳理基础提示词、工作流节点（注意节点真实指令在 additional_prompt，而非 prompt.prompt）、边与路由条件、节点级知识库/工具作用域、say 节点、转接机制、派发工具、流程与系统工具、语言配置；拉取近期真实会话做分类与工具触发统计。基于复杂智能体行为与真实会话构建测试套件，使用 simulation tests（多轮）与 llm tests（单轮）两种工具，通过 POST /v1/convai/agent-testing/create 保存为原生测试并附加到原版与简化副本，用 tool_mock_overrides 模拟所有 webhook/客户端工具。简化默认目标为单智能体（1 节点工作流）+ 基础提示词 + 聚焦规则 + 流程 + 知识库，仅在确定性确有必要且提示词约束在测试中不可靠时保留工作流。迭代阶段对每个未通过测试分类为智能体缺陷、测试缺陷或不可评分产物，并注意规则稀释。最终在同一个智能体的两个分支上跑全套测试（POST /v1/convai/agents/{id}/branches、run-tests、轮询 test-invocations），报告每分支总分与逐项差异及 invocation id。
限制与注意：simulate-conversation 跑的是线上配置，A/B 候选配置必须实际 PATCH 或使用分支；保存测试更新用 PUT（全量替换）而非 PATCH；被判定轮次为纯工具调用会评为 unknown；多轮模拟存在单次运行波动；会话详情接口限流严格，并发保持约 4-5 并重试。报告须精确陈述结论并列出局限，建议人工复核若干通话并逐步放量。具体收费、价格与平台支持范围资料未提供。