# DeepEval: evalúa resultados y recorridos de agentes

> Compara respuestas y decisiones de herramientas con métricas y casos de prueba de tu aplicación.

Verificado el 27 oct 2026.

## Qué es

DeepEval es un framework Python para evaluación de aplicaciones con modelos. Documenta evaluaciones de extremo a extremo, recorridos completos y pasos individuales del agente.

## Para qué te sirve

- Cuando un cambio de modelo puede alterar el resultado de tu aplicación.
- Cuando quieres detectar regresiones en recuperación, herramientas o respuestas.

## Cómo funciona

Defines casos de evaluación y métricas adecuadas a la tarea. Algunas métricas utilizan modelos como jueces y otras técnicas de análisis. El proyecto distingue la biblioteca de las capacidades de la plataforma Confident AI.

## Antes de empezar

Necesitas Python ≥3.9 y <4.0 con pip y las credenciales del proveedor cuando una métrica use un modelo. Empieza con datos de prueba y revisa qué información se envía a servicios externos. El consumo depende de las evaluaciones que ejecutes.

## Límites y alternativas

Una puntuación sin criterios y casos representativos puede ocultar fallos importantes. Inspecciona resultados concretos y repite con casos límite. CheckAgent es otra alternativa integrada con pytest para probar flujos de agentes.

## Recursos

- [Proyecto y documentación](https://github.com/confident-ai/deepeval) — consulta el README y sus ejemplos antes de instalar.
- [Datos del repositorio](https://github.com/confident-ai/deepeval) — 19119 estrellas; licencia detectada por GitHub: Apache-2.0.
- [Condiciones de licencia](https://github.com/confident-ai/deepeval/blob/main/LICENSE.md) — revisa el texto aplicable antes de redistribuir.
- [Actividad reciente](https://github.com/confident-ai/deepeval/commits/main/) — último commit consultado: 2026-10-23.