← Full glossary
Evaluación de agentes
capacidadagent evals · evaluación de LLMs
La medición sistemática de la calidad de un agente antes y durante producción: si acierta, con qué fiabilidad, dónde falla y si mejora o empeora al cambiar algo.
La evaluación de agentes combina conjuntos de prueba, métricas de calidad (exactitud, utilidad, seguridad), evaluación por LLM-as-judge o humana, y monitorización de regresiones al iterar. Sin evaluación no hay forma honesta de decir que un agente está listo para producción ni de detectar cuándo se degrada.
How it differs from
- Observabilidad
- La observabilidad registra lo que pasó; la evaluación juzga si estuvo bien respecto a un criterio o conjunto de prueba.