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.