怎样通过接口批量评测购物 Agent，构造检索、加购和下单的多轮请求？

给定一个支持语音交互、检索商品、加购和下单的 Agent，如何测试？

如何验证语音识别、意图识别、工具调用、参数传递、业务落库和最终回复？

如果只能通过接口而不是页面测试，如何进行大规模效果评测？

多轮对话场景下，如何构建评测请求及上下文？

首轮检索返回多个候选商品时，下一轮“加购某个商品”的 Query 如何构造？

如何约束 / 设计这类多轮接口 Query 的字段和格式？