Saltar al contenido
Cursos/AI Router y sistema de contenido/Quality scoring sin humo
Revisión pendiente desde 29 jul 20263 fuentes primarias

Quality scoring sin humo

Un router aprende si registras qué salida fue buena, mala o dudosa. Sin scoring, solo tienes intuiciones.

Qué vas a conseguir ahora

Una decisión o prueba aplicada a «Quality scoring sin humo».

  1. 1Entiende el criterio
  2. 2Haz una práctica pequeña
  3. 3Guarda una evidencia
Evidencia

Una nota breve con qué hiciste, qué salió bien, qué falló y qué revisarías después.

Score mínimo

Terminal
score:
  factualidad: 1-5
  utilidad: 1-5
  formato: 1-5
  seguridad: pass|fail
  necesita_humano: true|false
  motivo: "cita inventada en el segundo párrafo"

Quién puntúa

  • Reglas deterministas: JSON válido, campos completos, citas presentes.
  • Evals automáticas: comparar contra casos esperados.
  • LLM-as-judge: útil para triage, no como verdad absoluta.
  • Humano: necesario en contenido editorial, legal, financiero o reputacional.

Fuente oficial

Langfuse documenta trazas, evaluación, datasets y scores para aplicaciones LLM self-hostables: https://langfuse.com/docs/observability/overview

Si has guardado la evidencia de esta lección, continúa con «Shadow mode y comparativas». Si no, repite la comprobación antes de avanzar.

Mapa completo de AulafyConsulta cómo encaja esta lección sin salir de tu ruta.

Mapa completo de Aulafy

Cómo se relacionan todos los cursos

No es una lista que debas completar. Empieza por la base, elige un resultado y profundiza solo cuando tu proyecto necesite más control.

  1. 1Comprender
  2. 2Aplicar o construir
  3. 3Operar con confianza
01

Empieza aquí

Crea una base común: qué puede hacer la IA, cómo pedir resultados y cómo comprobarlos antes de especializarte.

Desde esta base puedes aplicar la IA a una tarea o aprender a construir con código.

02

Elige una aplicación

Convierte la base en un resultado visible: una web, una mejora de negocio, contenido o una experiencia interactiva.

Si necesitas mantener código, datos o infraestructura, continúa por la rama técnica.

03

Construye con código

Prepara el entorno, trabaja con agentes de programación y aprende a ejecutar modelos con control sobre tus proyectos.

Esta rama prepara los conocimientos necesarios para diseñar y operar sistemas de IA fiables.

04

Lleva sistemas a producción

Combina recuperación, agentes, evaluación, seguridad, despliegue y adaptación de modelos cuando el problema lo exija.

No es obligatorio completarlo todo: elige solo la pieza que tu sistema necesita y vuelve al mapa cuando crezca.

Ver catálogo completo