公司做了一个系统的智能体，实现基本问答（天气之类的）、结合不同系统用，完成基本操作（查询待处理项，查看详情等，后续会持续加），现在初步搭起来的，也对接了一个系统的部分接口，让测试 
目前能想到的是： 

基本问答（试了下，只能问什么答什么，没有长对话）
已对接接口的数据操作
未对接接口的操作（还没对接删除，但回答已经删了 🤣）
敏感话题
历史记录

想知道智能体的测试方法思路，测试点、还有哪些方面要测试的，有什么方式能协助测试的工具之类的。