> For the complete documentation index, see [llms.txt](https://docs.airops.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.airops.com/docs/es/acciones/workflow-concepts/testing-and-iteration.md).

# Pruebas e iteración

Mejores prácticas para probar e iterar en tu flujo de trabajo

Las pruebas y la iteración son pasos fundamentales para crear un Workflow listo para producción. En esta sección, describiremos las mejores prácticas para probar e iterar en tu workflow.

## Modo de prueba gratuito

AirOps ofrece **50.000 tareas de prueba gratuitas por mes** para pruebas en el Studio. Puedes usar tareas de prueba para pruebas de Workflow y ejecuciones iniciadas desde el editor de Playbook.

{% hint style="info" %}
Las tareas de prueba están disponibles para todos los espacios de trabajo y son independientes de tu asignación de tareas de producción. Las pruebas de Workflow y las ejecuciones del editor de Playbook usan primero las tareas de prueba y luego usan tareas de producción después de que se agote el saldo de tareas de prueba.
{% endhint %}

## Cómo probar tu Workflow

Hay dos maneras de probar tu workflow: paso a paso o todos los pasos a la vez.

Cuando pruebas un paso a la vez, se actualizará el valor de cada paso. **Cuando pruebas todos los pasos a la vez, los valores de cada paso solo se actualizarán si la ejecución tiene éxito. Sin embargo, los valores no se actualizarán si encuentras un error.** Como resultado, la mejor práctica es probar siempre paso a paso hasta que tu workflow esté listo para producción

### Probar un paso

<figure><img src="https://3036434873-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FX2n5yPRPynbnWuO4SH0M%2Fuploads%2Fgit-blob-49feaab0d98a7f42225e969b7f6dbd6fd8238f55%2Ftesting-01-test-step.png?alt=media" alt="Hover toolbar above the Search intent analysis step with the Test button"><figcaption><p>Prueba un solo paso desde su barra de herramientas.</p></figcaption></figure>

* **Comienza en el paso Inicio:** para comenzar a probar un workflow, debes agregar valores al paso de inicio
* **Haz clic en la flecha del primer paso:** esto ejecutará solo el primer paso
* **Usa los logs para entender la salida del paso y así poder referenciarla en pasos futuros:** los logs son fundamentales para entender la estructura de datos de la salida del paso; usa esta salida para ayudarte a referenciar este paso en pasos posteriores
* **Diseña el siguiente paso o pasos:** continúa diseñando tu workflow haciendo referencia a los pasos anteriores usando el botón rosa de ayuda de variables
* **Continúa probando cada paso siguiente:** después de diseñar un paso, haz clic en el botón de reproducción para probar el paso. Continúa con este proceso hasta que tengas un workflow listo para producción

### Probar pasos en condicionales

Puedes depurar pasos individuales dentro de ramas condicionales (tanto las rutas verdaderas como las falsas). Esto facilita probar e iterar en workflows complejos con lógica de ramificación:

1. Navega hasta el paso condicional en tu workflow
2. Expande la rama verdadera o falsa que quieras probar
3. Haz clic en el botón de reproducción de cualquier paso individual dentro de la rama
4. El paso se ejecutará usando los valores de prueba actuales, lo que te permitirá verificar la lógica en cada ruta

### Prueba tu Workflow completo

Hay **dos opciones para probar tu workflow de extremo a extremo:**

<table data-card-size="large" data-view="cards"><thead><tr><th></th><th data-hidden data-card-cover data-type="files"></th></tr></thead><tbody><tr><td><strong>Opción 1:</strong> Haz clic en "Test Worfklow" desde el paso Inputs</td><td><a href="https://3036434873-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FX2n5yPRPynbnWuO4SH0M%2Fuploads%2Fgit-blob-b344a4178c2323ad80c4416d9533e65077c8b79e%2Ftesting-02-test-workflow.png?alt=media">testing-02-test-workflow.png</a></td></tr><tr><td><strong>Opción 2:</strong> Haz clic en "Test Workflow" en la parte superior derecha del Studio</td><td><a href="https://3036434873-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FX2n5yPRPynbnWuO4SH0M%2Fuploads%2Fgit-blob-13a50703feb083ee872a66ef96601881bac66d3f%2Ffirst-workflow-06-test-publish.png?alt=media">first-workflow-06-test-publish.png</a></td></tr></tbody></table>

{% hint style="info" %}
Usa la función de **Test Workflow** cuando tu Workflow esté listo
{% endhint %}

* **Haz clic en Test Workflow:** haz clic **Test Workflow** en la esquina superior derecha
* **Ingresa tus valores de prueba:** agrega los valores de prueba que quieres ejecutar
* **Ejecutar:** haz clic **Ejecutar** para probar todo el workflow

## Mejores prácticas para el manejo de errores

Al crear un workflow para producción, hay casos límite que debes probar y manejar en tu workflow antes de ejecutarlo a escala. Además, recuerda que siempre puedes pedir ayuda a [la ayuda de Copilot para corregir errores](https://docs.airops.com/docs/es/acciones/workflow-concepts/chat-with-copilot/fix-errors-with-copilot.md) que encuentres mientras pruebas.

### 1. Límite de la ventana de contexto

Cada modelo de LLM tiene una ventana de contexto máxima, lo que significa que hay un número máximo de tokens (o caracteres) que puedes tener en tu prompt antes de que falle.

{% hint style="info" %}
1 token generalmente corresponde a \~4 caracteres y a \~3/4 de una palabra.
{% endhint %}

1. Para asegurarte de que tu prompt se mantenga dentro del límite de la ventana de contexto, puedes aproximar el número de tokens que usarás copiando y pegando tu prompt en el siguiente contador de tokens de OpenAI: <https://platform.openai.com/tokenizer>
2. Para manejar casos límite en los que tu prompt exceda el límite de tokens, puedes usar la siguiente sintaxis de Liquid para dividir tus entradas o salidas de pasos en un fragmento más corto: `{{step_1.output | slice: 0, 10000}}`donde 10000 se reemplaza por el número de caracteres en los que quieres dividir.

### 2. Errores de formato del prompt

Muchos workflows de producción de modelos de lenguaje grande dependen de un formato de salida consistente del modelo. Para garantizar la coherencia en tu workflow, considera los siguientes métodos para manejar salidas inesperadas del prompt:

1. **Técnicas de prompting:**
   * Para evitar que el modelo introduzca su respuesta con una frase como "*Claro, aquí hay un...*", puedes agregar un comando tanto en el **Sistema** como en el **Usuario** como "*Presenta tu respuesta en el siguiente formato y no incluyas ningún comentario adicional:*"
   * Si tu salida es HTML o JSON, para evitar que el modelo comience con ` ```html ` o ` ```json `, puedes indicarle al modelo *"Empieza con #..."* o *"Empieza con {, y termina con } y no incluyas ` ```json ` en tu respuesta"*
2. **Análisis de código:**
   * Si aún tienes problemas con una salida consistente, o si quieres manejar casos extremos en los que pueda desviarse de la salida esperada, puedes usar código para extraer cualquier texto que preceda a tu primer carácter.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.airops.com/docs/es/acciones/workflow-concepts/testing-and-iteration.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
