AI Agent Evals: Test, Measure, and Ship Reliable LLM and Agent Systems: Build Evaluation Pipelines, Catch Regressions, and Score Accuracy, Cost, and Safety with Claude, Codex, and Python
Idioma: inglés
Editorial: Independently published, 2026
- Tapa blanda
- Nuevo

Librería: California Books, Miami, FL, Estados Unidos de AmericaCalifornia Books
Vendedor de IberLibro desde 27 de octubre de 2023
Condición: Nuevo
EUR 24,96
Cantidad disponible: Más de 20 disponibles
Añadir al carritoDescripción del artículo del vendedor
Print on Demand.
N° de ref. del artículo I-9798191291697
- Título
- AI Agent Evals: Test, Measure, and Ship Reliable LLM and Agent Systems: Build Evaluation Pipelines, Catch Regressions, and Score Accuracy, Cost, and Safety with Claude, Codex, and Python
- Autor
- Stallard, Smith
- Editorial
- Independently published
- Año de publicación
- 2026
- Estado
- New
- Encuadernación
- Encuadernación de tapa blanda
- Idioma
- inglés
- ISBN 13
- 9798191291697
Your Agent Passed the Demo. It's Still Failing in Production. You Just Can't See It Yet.
Something changed in how AI gets built — and almost nobody is measuring it correctly.
Your agent works in the demo. The refund processes, the ticket closes, the room nods. Then it ships. And somewhere out in production it's quietly telling customers the wrong policy, burning fifty dollars on a task that should cost forty cents, and leaking one customer's data to another — all while every dashboard glows green. No crash. No error. No alert. Just silent, expensive, trust-destroying failure that you won't discover until a customer does.
Here's the uncomfortable truth: evaluating an AI agent is nothing like evaluating a chatbot. A chatbot returns a sentence you can eyeball. An agent produces a trajectory — a chain of tool calls, decisions, and actions where any single step can go wrong in ways a spot-check will never catch. The old playbook of "run it a few times and see if it looks good" isn't just weak. It's the reason your agent is failing right now without your knowledge.
This book takes you from "I hope it works" to "I can prove it works — and prove it stays working."
You'll build a complete evaluation program from the ground up, following one realistic system the entire way: Northwind Support, a customer-service agent with real tools, real policies, and real failure modes you'll learn to catch by construction. This isn't theory. It's a working project you build chapter by chapter — instrumented traces, a coverage-driven test dataset, code-first graders, calibrated LLM judges, and a CI gate that blocks bad changes before they reach a customer.
By the end, you will know how to:
- Trace what your agent actually did — not what it said it did
- Build datasets from real failures that get stronger every time reality attacks them
- Grade accuracy with honest statistics (no more "82% means nothing" numbers)
- Measure cost and latency straight off the trace — and know when an 88% agent is a procurement mistake
- Probe for jailbreaks and prompt injection continuously, and turn red-team runs into audit evidence
- Ship model migrations on evidence, not vibes and a leaderboard
- Close the loop so every production failure becomes a permanent, automated defense
The window to build this discipline is open right now. A small group of engineers is already treating evals as the core skill of the AI era — gating every deploy, catching regressions in minutes instead of incidents, and shipping agents they can actually defend to a VP, an auditor, or a customer. Everyone else is still running their agent on faith and hoping.
Written in a practitioner-to-practitioner voice — no filler, no academic detachment, no AI-sounding fluff — every technique is shown in runnable Python against the same system, so you learn operationally instead of abstractly. Complete appendices give you a 2026 tooling field guide, a critical benchmark reference, copy-ready judge prompts and rubric templates, and a full environment setup so every listing runs as written.
Your agent is already failing quietly. The only question is whether you catch it first — or your customers do.
Stop shipping on hope. Start shipping on measurement. Build the system that makes your agents provably reliable — starting today.
“Sinopsis” puede pertenecer a otra edición de este título.
California Books
Miami, FL, Estados Unidos de America
Vendedor de IberLibro desde 27 de octubre de 2023
Tarifas de envío en Estados Unidos de America
| Artículo | De 3 a 7 días hábiles | De 2 a 5 días hábiles |
|---|---|---|
| Primer artículo | EUR 2,69 | EUR 15,26 |
Métodos de pago
Descripción de la tienda
We have 20 years experience selling books worldwide! Friendly customer support. Your satisfaction guaranteed!
Especialidad
All authorized categoriesInformación empresarial del vendedor
Miramar International Services LLC
FL, Estados Unidos de America
Derecho al desistimiento
Si es un consumidor, puede rescindir el contrato de acuerdo con lo siguiente. Por consumidor se entiende cualquier persona física que actúe con fines ajenos a su actividad comercial, empresarial, oficio o profesión.
Información sobre el derecho de desistimiento
Derecho legal de desistimiento
Tiene derecho a rescindir este contrato en un plazo de 14 días sin dar ningún motivo.
El periodo de desistimiento vencerá a los 14 días desde que usted, o un tercero que no sea el transportista e indicado por usted, adquiera la posesión física del último bien o del último lote o pieza.
Para ejercer el derecho de desistimiento, complete de forma electrónica y envíe una declaración clara en nuestro sitio web, desde "Mis compras" en "Mi cuenta". Le enviaremos sin demora un acuse de recibo de dicho desistimiento a través de un soporte duradero (por ejemplo, por correo electrónico).
Para cumplir con el plazo de desistimiento, basta con que envíe su comunicación relativa al ejercicio del derecho de desistimiento antes de que venza el periodo de desistimiento.
Efectos del desistimiento
Si rescinde este contrato, le reembolsaremos todos los pagos que hayamos recibido de usted, incluidos los gastos de envío (excepto los gastos adicionales que surjan si elige un tipo de envío que no sea el tipo de envío estándar más económico que ofrecemos).
Podemos hacer una deducción del reembolso por la pérdida de valor de cualquier bien suministrado, si la pérdida es el resultado de una manipulación innecesaria por su parte.
Efectuaremos el reembolso sin demoras indebidas y, a más tardar, 14 días después de que se nos informe de su decisión de rescindir este contrato.
Efectuaremos el reembolso utilizando el mismo medio de pago que utilizó para la transacción inicial, a menos que haya acordado expresamente lo contrario; en cualquier caso, no incurrirá en ningún cargo como resultado de dicho reembolso.
Podremos retener el reembolso hasta que hayamos recibido los bienes o hasta que nos haya presentado una prueba de que los ha devuelto, lo que ocurra primero.
Deberá devolver los bienes o entregarlos a California Books, Fort Wayne, Indiana, U.S.A., sin demoras indebidas y, en cualquier caso, en un plazo máximo de 14 días a partir del día en que nos comunique su desistimiento del presente contrato. El plazo se cumple si devuelve la mercancía antes de que venza el periodo de 14 días. Tendrá que asumir los gastos directos de devolución de los bienes. Usted solo es responsable de la disminución del valor de los bienes como resultado de una manipulación distinta a la necesaria para establecer la naturaleza, las características y el funcionamiento de los bienes.
Excepciones al derecho de desistimiento
El derecho de desistimiento no se aplica a lo siguiente:
- La entrega de periódicos, diarios o revistas, con la excepción de los contratos de suscripción; y
- El suministro de contenido digital que no se proporcione en un soporte tangible (por ejemplo, en un CD o DVD) si, al hacer el pedido, aceptó que podíamos empezar a entregarlo y que no podría desistir una vez iniciada la entrega.