# Evaluaciones {% hint style="info" %} Las Evaluaciones solo están disponibles para los planes Cloud y Enterprise {% endhint %} Las evaluaciones te ayudan a monitorear y entender el rendimiento de tu aplicación de Flujo de Chat/Flujo de Agente. A alto nivel, una evaluación es un proceso que toma un conjunto de entradas y salidas correspondientes de tu Flujo de Chat/Flujo de Agente, y genera puntuaciones. Estas puntuaciones pueden derivarse comparando salidas con resultados de referencia, como a través de coincidencia de cadenas, comparación numérica, o incluso aprovechando un LLM como juez. Estas evaluaciones se realizan usando Conjuntos de Datos y Evaluadores. ## Conjuntos de Datos Los conjuntos de datos son las entradas que se utilizarán para ejecutar tu Flujo de Chat/Flujo de Agente, junto con las salidas correspondientes para comparación. El usuario puede agregar la entrada y la salida anticipada manualmente, o cargar un archivo CSV con 2 columnas: Entrada y Salida.
| Entrada | Salida | | ------------------------------------ | ------------------------------------- | | ¿Cuál es la capital del Reino Unido? | La capital del Reino Unido es Londres | | ¿Cuántos días hay en un año? | Hay 365 días en un año | ## Evaluadores Los evaluadores son como pruebas unitarias. Durante una evaluación, las entradas de los Conjuntos de Datos se ejecutan en los flujos seleccionados y las salidas se evalúan usando los evaluadores seleccionados. Hay 3 tipos de evaluadores: * **Basado en Texto**: comprobación basada en cadenas: * Contiene Alguno * Contiene Todos * No Contiene Ninguno * No Contiene Todos * Comienza Con * No Comienza Con
* **Basado en Números:** comprobación de tipos numéricos: * Total de Tokens * Tokens de Prompt * Tokens de Completado * Latencia de API * Latencia de LLM * Latencia de Flujo de Chat * Latencia de Flujo de Agente (próximamente) * Longitud de Caracteres de Salida
* **Basado en LLM**: usando otro LLM para calificar la salida * Alucinación * Corrección
## Evaluaciones Ahora que tenemos los Conjuntos de Datos y Evaluadores preparados, podemos comenzar a ejecutar una evaluación. 1.) Selecciona el conjunto de datos y el flujo de chat a evaluar. Puedes seleccionar múltiples conjuntos de datos y flujos de chat. Usando el ejemplo a continuación, cada entrada del Conjunto de Datos 1 se ejecutará contra 2 flujos de chat. Como el Conjunto de Datos 1 tiene 2 entradas, se producirán y evaluarán un total de 4 salidas.
2.) Selecciona los evaluadores. Solo los evaluadores basados en cadenas y números están disponibles para ser seleccionados en esta etapa.
3.) (Opcional) Selecciona el evaluador Basado en LLM. Inicia la Evaluación:
4.) Espera a que se complete la evaluación:
5.) Después de que se complete la evaluación, haz clic en el icono de gráfico en el lado derecho para ver los detalles:
Los 3 gráficos anteriores muestran el resumen de la evaluación: * Tasa de aprobación/fallo * Promedio de tokens de prompt y completado utilizados * Latencia promedio de la solicitud La tabla debajo de los gráficos muestra los detalles de cada ejecución.
### Volver a ejecutar evaluación Cuando los flujos utilizados en la evaluación han sido actualizados/modificados, se mostrará un mensaje de advertencia:
Puedes volver a ejecutar la misma evaluación usando el botón Volver a Ejecutar Evaluación en la esquina superior derecha. Podrás ver las diferentes versiones:
También puedes ver y comparar los resultados de diferentes versiones:
## Tutorial en Video {% embed url="" %}