Las protecciones de Bedrock Guardrails que utilizo, las que descarto y por qué, cómo gestiono intervenciones y falsos positivos, y cuánto cuesta esta protección en un agente público.

Tengo trazas y evaluaciones corriendo sobre mi agente de IA en producción. Esto es lo que hago con ellas día a día: cazar las respuestas malas por score, convertirlas en tests de regresión y por qué el siguiente paso que me falta es una alerta.

Cómo trazo mi agente Strands sobre Amazon Bedrock AgentCore con Langfuse, inspecciono la ejecución del modelo y las tools, y convierto fallos reales de producción en nuevos casos de eval.

Cómo pruebo mi agente de IA más allá de los unit tests: comportamiento de las tools, parámetros, evaluaciones LLM-as-a-judge y una suite de regresión construida a partir de fallos reales.