Evals de Agentes: Detecta Regresiones con LangSmith y Braintrust
Tu agente pasó todas las pruebas, pero un cambio de modelo silenció su calidad. Aprende a construir suites de evaluación que detectan regresiones antes que tus usuarios.
Tu agente aprobó cada eval que escribiste en marzo. Luego alguien subió la versión del modelo, ajustó un system prompt y cambió el retriever, y ahora un 4% de los tickets de soporte reciben una política equivocada dicha con total seguridad. No hubo ninguna excepción. La latencia estuvo bien. Los unit tests siguen en verde. Te enteraste por un cliente molesto. Ese es el estado por defecto del desarrollo de agentes en 2026: la falla ya no es "¿corre el código?", sino "¿cambió el comportamiento sin avisar?".Esta guía es para desarrolladores que ya envían agentes LLM o sistemas RAG a...