--- title: "Avaliações de agentes" slug: "agent-evaluations" updated: 2026-10-22T11:06:04Z published: 2026-10-22T11:06:04Z canonical: "support.tulip.co/agent-evaluations" --- > ## Documentation Index > Fetch the complete documentation index at: https://support.tulip.co/llms.txt > Use this file to discover all available pages before exploring further. # Avaliações de agentes ## Tabela de Avaliações de Agentes de IA Este artigo oferece uma visão geral clara dos resultados das avaliações **(Evals)**, do comportamento esperado em comparação com o real e dos recursos de solução de problemas para agentes de IA no Tulip. ## Visão geral A avaliação sistemática dos agentes de IA é essencial para garantir que sejam confiáveis, precisos e atendam aos padrões de desempenho de nível empresarial, especialmente para implantação em ambientes de produção, regulamentados ou de outra forma sensíveis. **As tabelas de avaliações** são ferramentas para medir o desempenho dos agentes de IA em uma variedade de tarefas do mundo real. Ao comparar os resultados esperados com os reais em cenários padronizados, é possível identificar lacunas, orientar melhorias e acompanhar a regressão ao longo do tempo. O uso consistente das avaliações traz transparência, repetibilidade e confiança ao ciclo de vida do seu agente. ## Por que usar o Evals? - **Confiabilidade:** garanta que os agentes se comportem conforme o esperado antes da implantação em larga escala. - **Rastreabilidade:** documente a tomada de decisões e as alterações ao longo do tempo. - **Avaliação comparativa:** compare rapidamente agentes, prompts ou configurações. - **Solução de problemas:** acompanhe falhas e monitore melhorias de versão em versão. - **Melhoria contínua:** forneça um ciclo de feedback para o desenvolvimento de prompts e agentes. ## Ciclo de vida do agente 1. **Criar o agente** Defina o escopo, as ferramentas e o prompt inicial do agente. 2. **Executar avaliações** Teste o agente com base nos prompts da tabela de avaliações. 3. **Documentar o desempenho** Registre os resultados esperados em comparação com os reais e os resultados de aprovação/reprovação. 4. **Aperfeiçoar a instrução** Atualize ou modifique o prompt para abranger casos de uso adicionais ou melhorar o comportamento. 5. **Execute as avaliações novamente** Teste novamente usando os mesmos prompts e o mesmo conjunto de dados para garantir uma comparação justa. 6. **Iterar** Repita esse ciclo até que o agente atinja consistentemente os critérios de desempenho. ## Como usar as avaliações 1. **Defina comandos de teste claros:** Escolha comandos ou cenários realistas que o agente precise lidar. 2. **Defina os resultados esperados:** Anote critérios de sucesso precisos e mensuráveis para cada cenário. 3. **Execute o agente:** Teste o agente utilizando cada solicitação em condições controladas. 4. **Documente os resultados reais:** Registre a saída real ou o comportamento observado do agente. 5. **Avaliação de aprovação/reprovação:** O agente atendeu aos critérios? Marque de acordo. 6. **Adicione comentários:** Anote lacunas, comportamentos inesperados ou ideias de melhoria. 7. **Crie um Conjunto de Dados de Referência:** Um conjunto selecionado de exemplos que abranja os principais casos de uso do agente. Teste cada alteração no prompt com base nesse conjunto de dados e promova-a para produção somente se as métricas melhorarem; caso contrário, continue iterando. ## Como ler a tabela de avaliações | Coluna | Descrição | | --- | --- | | Prompt | A entrada do usuário ou o cenário fornecido ao agente (o que você testa). | | Resultado esperado | A resposta específica e correta que você espera do agente nessa situação. | | Resultado real | O que o agente realmente produziu ou fez em resposta ao prompt. | | Aprovado/Reprovado | Aprovado se os resultados esperados e reais corresponderem; Reprovado caso contrário. | | Notas/Comentários | Qualquer explicação, informação sobre solução de problemas ou contexto para o resultado. | --- ## Tabela de exemplos de avaliações | Nome do agente: Assistente de QA de exemplo | | --- | | | | Prompt | Resultado esperado | Resultado real | Aprovado/Reprovado | Notas/Comentários ||---------------------------------|-----------------------------------------------|-------------------------------------------------|----------------------|-----------|-----------------------------------|| “Resuma o registro de ontem.” | Resumo conciso e preciso com métricas-chave. | Resumo preciso, mas faltou a seção sobre tempo de inatividade. | Reprovado | Melhorar o prompt para incluir informações sobre tempo de inatividade. || “Encontre todas as ordens de compra em aberto para a Linha 3” | Lista correta de ordens de compra em aberto para a Linha 3. | Retornou todas as ordens de compra em aberto e estava correta. | Aprovado | || “Gere o relatório de fim de dia.” | Relatório completo, incluindo eventos de controle de qualidade. | Falta a seção de eventos de controle de qualidade. | Reprovado | Revise a integração dos dados de eventos de controle de qualidade. | --- ## Leitura complementar - [Visão geral do agente de IA](https://support.tulip.co/docs/ai-agents) - [Criação e definição do escopo de agentes de IA](https://support.tulip.co/docs/building-and-scoping-agents) ## Solução de problemas Se você encontrar problemas com algum agente de IA, tiver dúvidas sobre os critérios de avaliação ou quiser enviar comentários, acesse a [Tulip Community](https://community.tulip.co/).