Depurador de conversaciones

Depurador de conversaciones El Depurador de conversaciones lee la transcripción completa de una sola conversación — mensajes, llamadas a herramientas, prompts, contexto — y usa el modelo para identificar la causa raíz de un turno problemático. Devuelve un análisis estructurado con la secuencia que causó el problema, la evidencia y recomendaciones concretas.

Qué hace

Depurar manualmente una conversación larga de un agente es tedioso. El Depurador automatiza la parte que harías a mano: leer cada turno, encontrar dónde empezó el problema y explicar qué salió mal en términos de la configuración del agente.

Es un análisis asistido por IA — el modelo lee la conversación y produce un veredicto estructurado. Tú proporcionas el Id de la conversación y una instrucción opcional (por ejemplo, “¿por qué el agente no envió el correo?”); el Depurador devuelve su análisis como un objeto estructurado.

El resultado del análisis

Campo	Significado
`rootCause`	Un enunciado breve de lo que realmente salió mal — no el síntoma, sino la causa subyacente.
`problemAtSequence`	El número de secuencia del mensaje donde se originó el problema. Haz clic para ir a ese turno en la transcripción y ver el intercambio que causó el problema.
`evidence`	La cita específica, la llamada a una herramienta, el contexto faltante o el fragmento de prompt ensamblado que respalda el diagnóstico.
`recommendations`	Una lista breve de correcciones concretas — por ejemplo, agregar una herramienta, editar un prompt, ampliar la configuración de un campo de contexto.
`severity`	`low`, `medium` o `high`: lo grave que es el problema encontrado, no lo seguro que está el analizador. No hay puntuación de confianza.
`stopReason`	La razón de detención del modelo para la ejecución del agente que se analiza (`end_turn`, `max_tokens`, `stop_sequence`). La interfaz lo muestra para que puedas detectar de inmediato las respuestas truncadas.
`creditsUsed`	Créditos consumidos por la llamada de análisis.
`rawAnalysis`	Si el JSON estructurado no se pudo analizar, la salida sin procesar del modelo se devuelve aquí como alternativa.
`error`	Se completa para fallas que no son excepciones — límite de créditos alcanzado, restricciones de licencia, problemas de configuración.

Qué inspecciona el Depurador

Para la conversación en análisis, el Depurador ve los mismos datos que impulsaron la ejecución original, además de los resultados de esa ejecución:

El prompt del sistema ensamblado del agente — la persona, las instrucciones, el esquema y las directivas de idioma
Las herramientas que el agente tenía disponibles, con sus categorías, niveles y canales
La configuración de los campos de contexto y el contexto real del registro que se cargó
Cada mensaje del usuario y del asistente en secuencia
Cada llamada a una herramienta — nombre de la herramienta, entrada, salida (o error)
El uso de tokens y la razón de detención de cada turno del agente
Tu instrucción opcional en lenguaje natural (por ejemplo, “¿por qué la respuesta está vacía?”)

Ese es el panorama completo que el Depurador necesita para llegar a una conclusión útil — nada queda oculto detrás de una caja negra.

La Vista previa de ejecución del agente muestra lo que un agente cargará en la próxima conversación. Gratuita y de solo lectura. Úsala para verificar la configuración antes de que ocurra cualquier conversación.
La Transcripción de conversaciones muestra los mensajes y las llamadas a herramientas sin procesar. Gratuita, sin análisis.
El Depurador de conversaciones aplica análisis con IA a la transcripción y devuelve un diagnóstico. Consume créditos, pero produce un enunciado real de la causa raíz y recomendaciones.

Usa la Transcripción cuando puedas leer mentalmente una conversación corta; usa el Depurador cuando la conversación sea larga, el síntoma sea sutil o quieras una segunda opinión.

Cómo funciona una ejecución

Abre la conversación
Ya sea desde la lista de conversaciones de la pestaña REDA AI Admin o directamente desde un enlace de Salesforce al registro de Conversación subyacente.
Haz clic en Depurar conversación
La interfaz del Depurador carga la transcripción y el historial de herramientas.
Agrega una instrucción
Si tienes una pregunta específica (“¿por qué no llamó a send_email?”, “¿por qué la respuesta estuvo en el idioma equivocado?”), ingrésala. Sin una instrucción, el Depurador busca cualquier problema evidente a lo largo de la conversación.
Ejecuta el análisis
La plataforma envía el contexto de la conversación al modelo y espera la respuesta estructurada.
Lee el resultado
La causa raíz, la secuencia del problema, la evidencia, las recomendaciones y la gravedad se muestran junto a la transcripción para que puedas verificar el análisis contra el intercambio real.
Aplica las recomendaciones
Las correcciones suelen ubicarse en la definición del agente, un prompt personalizado, la configuración de un campo de contexto o una herramienta. Vuelve a ejecutar una conversación similar después de la corrección para confirmar.

Gravedad y stopReason

El análisis lleva una gravedad —high, medium o low— que describe lo grave que es el problema encontrado, no lo seguro que está el Depurador. No existe una puntuación de confianza aparte. high apunta a un problema de configuración claro que conviene corregir ya; medium, a algo que merece revisarse; low suele significar que la conversación fue un caso límite y no un error.

Junto a ella obtienes Problem at sequence —el número de mensaje en el que, según el análisis, se torció todo, para ir directo a ese turno de la transcripción— y Evidence, el fragmento en el que se apoya la conclusión. Lee la evidencia antes de actuar sobre la recomendación: es lo que te permite discrepar del Depurador cuando se equivoca.

Presta atención por separado a stopReason:

end_turn — el modelo terminó correctamente. El diagnóstico es sobre el contenido, no la infraestructura.
max_tokens — la respuesta fue truncada por el presupuesto de respuesta. A menudo es la causa real cuando el agente “no logra responder”. Aumenta el presupuesto de salida del agente o simplifica el prompt.
stop_sequence — el modelo alcanzó una detención configurada. Menos frecuente; por lo general esperado.

La interfaz muestra stopReason directamente para que puedas reconocer el truncamiento antes de leer el resto del análisis.

No confundas los límites del visor con los del modelo. Para que el informe siga siendo legible, el Depurador acorta lo que muestra: el contenido de los mensajes en torno a 500 caracteres y el contexto de las herramientas en torno a 2000. Un texto que termina a media frase en el informe suele ser solo ese límite de visualización; el truncamiento que importa es el que stopReason indica como max_tokens.

Costo en créditos y tiempo

Cada análisis es una llamada al modelo. El costo en créditos escala con la longitud de la conversación y el tamaño del contexto ensamblado que ve el Depurador. La plataforma informa los créditos realmente consumidos.

Las conversaciones largas con muchas llamadas a herramientas cuestan más créditos y tardan más en analizarse porque se envía más transcripción al modelo.

Qué no hace el Depurador

No corrige nada automáticamente. El resultado es un diagnóstico con recomendaciones; tú aplicas las correcciones manualmente en la definición del agente, los prompts, las herramientas o los campos de contexto.
No vuelve a ejecutar la conversación. El análisis se hace sobre la transcripción que ya existe. Para validar una corrección, ejecuta una conversación similar y (opcionalmente) depura también esa.
No garantiza una única causa raíz. Algunas conversaciones tienen varios problemas; el Depurador elige la causa raíz más probable, pero debe combinarse con tu criterio.
No reemplaza el Registro de incidentes. Las fallas graves (excepciones de Apex, errores de llamada externa) quedan registradas en el Registro de incidentes. El Depurador es para problemas de comportamiento donde la conversación se completó pero el resultado fue incorrecto.

Prácticas recomendadas

Empieza con una instrucción. Una ejecución del Depurador sin instrucción produce un análisis genérico. Indicarle al Depurador qué te molestó de la conversación enfoca el diagnóstico.

Lee stopReason primero. Si la respuesta fue truncada, corregir el presupuesto suele ser un cambio de un solo carácter, no una reescritura del prompt.

Verifica la cita de la evidencia. El Depurador nombra la secuencia que causó el problema y cita la evidencia. Haz clic para ir a ese turno antes de aceptar la recomendación; a veces el modelo interpreta mal.

Aplica una recomendación a la vez. Aplica la recomendación más accionable, ejecuta una conversación similar y luego itera. Varios cambios simultáneos enturbian la relación causa-efecto.

Combínalo con la Vista previa de ejecución después de las correcciones. Una vez que hayas ajustado el agente, abre la Vista previa de ejecución para confirmar que la corrección realmente cambió lo que ve el agente.

Preguntas frecuentes

No. Produce un diagnóstico con recomendaciones concretas. Tú aplicas las correcciones manualmente — por lo general, pequeñas modificaciones a un prompt, una herramienta o la configuración de un campo de contexto.

Sí. Las ejecuciones asíncronas producen registros de conversación y de mensajes idénticos a los de las ejecuciones sincrónicas; el Depurador los inspecciona de la misma manera. Consulta Procesamiento asíncrono de agentes.

En ocasiones, el modelo devuelve texto que no se puede analizar en la estructura JSON esperada. Cuando eso ocurre, el texto sin procesar se devuelve en rawAnalysis como alternativa para no perder el análisis. Volver a ejecutar suele producir una respuesta estructurada correcta.

Sí. Todos los canales producen los mismos registros de conversación y de mensajes. El Depurador lee esos registros directamente, así que el canal no importa.

Vuelve a ejecutar con una instrucción más específica que le indique al Depurador qué estuvo mal. La gravedad low suele significar que el analizador no pudo identificar el problema sin más contexto. Una instrucción dirigida normalmente eleva la gravedad si el error es real.

Las fallas graves quedan registradas en el Registro de incidentes. Para esas, usa la herramienta de depuración de incidentes. El Depurador de conversaciones se ocupa de los casos en los que la conversación se ejecutó pero el resultado fue incorrecto.

Las recomendaciones del Depurador apuntan a cosas que puedes cambiar — prompts, contexto, herramientas. Si el análisis dice “el modelo se comportó correctamente dada la configuración”, esa es una señal directa de que necesitas cambiar la configuración, no culpar al modelo.

Próximos pasos

Lee Transcripciones de conversaciones para conocer la estructura de registros subyacente que lee el Depurador, o Depurar con IA en incidentes para el mismo patrón aplicado a las fallas graves.

← Anterior: Acciones programadas

Siguiente: Registros de incidentes de IA →