Evaluación y observabilidad
Une negocio, turno, media y runtime. La transcripción no demuestra el resultado completo.
Los enlaces con ?t= abren el vídeo en un segundo concreto.
Las ideas que debes retener
Una transcripción no es la verdad del sistema
La transcripción es una evidencia importante, pero sólo describe una parte del recorrido. Considera este turno:
El objeto mínimo de análisis debe ser el turno lógico
Una sesión completa es demasiado grande para muchas decisiones. Una request de proveedor es demasiado pequeña. El objeto útil suele ser un turno lógico: desde la evidencia de que el…
Observado, inferido y juzgado no son lo mismo
Marca la procedencia de cada señal:
Ve directamente a una sección
Leer transcripción revisada
Vídeo sin narración. Esta transcripción reproduce el texto visual del vídeo; no atribuye una voz inexistente.
La frase no es toda la evidencia
El agente dice «reservado». Un judge de texto puede aprobar la respuesta.
Pero op_42 sigue UNKNOWN y el audio puede estar en una cola cancelada.
Une negocio, turno, media y runtime. La transcripción no demuestra el resultado completo.
Un turno puede tener varios intentos
T12 mantiene su identidad aunque una petición falle y el fallback use otra.
Los intentos, la operación y el audio se correlacionan sin convertirse en turnos nuevos.
Distingue observación, inferencia y juicio. Un diagnóstico probable no es un hecho registrado.
El denominador cambia la lectura
De diez turnos sintéticos, tres tienen un fallo interno. Dos se recuperan sin daño visible.
La tasa interna es 3 de 10; la de fallo visible es 1 de 10.
La recuperación es 2 de 3 fallos internos. No mezcles requests con turnos.
Lo determinista no necesita un judge
Exige un efecto por operación, cero audio obsoleto y evidencia antes de declarar SUCCESS.
Si falla una invariante, una valoración semántica alta no debe compensarla.
Reserva el judge para lo semántico o perceptivo y conserva sus criterios y versión.
Reproduce la frontera que falló
Un replay de texto conserva las palabras, pero pierde el momento exacto de la interrupción.
Este fallo requiere audio o eventos temporizados y el estado de la cola.
Un test local de audio tampoco certifica la red real. Declara qué capas quedan fuera.
Del incidente a una regresión útil
Aísla la mínima secuencia que reproduce el audio obsoleto; no copies toda la conversación.
Redacta datos sensibles y fija input, versión y resultado esperado.
El test debe fallar antes de corregir el mecanismo y pasar después, en la capa adecuada.
