Qué se probó

Esta página no la escribe nadie a mano: la escribe el runner de pruebas. Muestra el estado de la última corrida de verificar.ps1, con su fecha y su commit. Si algo no se pudo probar, lo dice en vez de pintarse de verde.

Las etapas

Un solo comando las corre todas: .\scripts\verificar.ps1

Pruebas SQL

Contra un Postgres descartable en Docker. Nunca contra la nube: acá se rompe a propósito.

Mutaciones

Una suite que no puede fallar no sirve. Se rompe una regla por archivo —sacarle el límite de 24 h a la cancelación, dejar que se acredite cualquier monto, abrirle una función a anon— y se exige que la suite se ponga en rojo. Si una mutación pasa en verde, la corrida entera falla: significa que esa regla no la cuida nadie.

Navegador

Playwright, en modo grabado y sin nube. Las capturas son las de la última corrida.

Evals conversacionales

Cada escenario de la Vidriera es un eval. El veredicto se lee de la base —que la reserva haya quedado en el estado correcto, que la escalación tenga el motivo correcto—, nunca del texto del modelo: que el agente escriba «listo, te reservé» no prueba nada.