> ## Documentation Index > Fetch the complete documentation index at: https://docs.befailproof.ai/llms.txt > Use this file to discover all available pages before exploring further. # Evaluaciones en línea > Puntúa sesiones en curso y completadas según calidad, cumplimiento, costo y latencia. Las evaluaciones en línea aplican criterios consistentes a las sesiones de agentes. Úsalas para señales que deben medirse de forma continua, en lugar de investigarse únicamente durante una auditoría. ## Revisar la calidad de las evaluaciones 1. Ve a **Observe → Evaluations**. 2. Añade una serie y elige el agente, el entorno, la puntuación de evaluación, la estadística y la curva. 3. Añade series para comparar entornos, agentes o claves de puntuación. 4. Selecciona un resultado para abrir las sesiones correspondientes o compartir la vista filtrada. Usa **Observe → Metrics** para latencia, tokens, costo y otros valores de magnitud. Panel de calidad que muestra puntuaciones de evaluación promedio y tendencias a lo largo del tiempo. Abre una sesión desde el desglose para inspeccionar el razonamiento por puntuación: Vista detallada de una sesión que muestra puntuaciones de evaluación y razonamiento junto al rastro completo. ```bash theme={null} fp evals --agent-id checkout-agent --aggregate fp evals --aggregate --env production --status error fp evals --score helpfulness:0.8.. --since 7d ``` Añade `--json` de forma global antes de `evals` para automatización, por ejemplo `fp --json evals --aggregate --env production`. Un evaluador recibe la identidad de la sesión, el entorno, las marcas de tiempo y los eventos ordenados. Puede devolver claves de puntuación numéricas con razonamiento opcional y un resumen. Los evaluadores de larga duración pueden devolver un trabajo pendiente y ser consultados más tarde. ## Buenos objetivos de evaluación * Finalización o corrección de tareas * Fundamentación y riesgo de alucinación * Selección de herramientas y eficiencia en su uso * Cumplimiento de políticas o procesos * Presupuestos de costo y latencia * Escalación humana requerida ## De la puntuación a la respuesta Muestra las puntuaciones en paneles para rastrear tendencias. Crea alertas para umbrales o condiciones compuestas. Cuando una puntuación disminuye en una población, realiza una auditoría para investigar el motivo; cuando la causa es una acción repetible, despliega una política. Implementa evaluaciones síncronas o asíncronas con el SDK de evaluadores de Python.