Giskard OSS

Ragas LLM 评估工具

AI GitHub 仓库

旨在增强 LLM 应用评估的工具。它为开发者提供了一个平台，以贡献和改进他们的应用，促进 AI 开发中的协作和创新。Ragas 是一个旨在增强 LLM 应用评估的工具。它为开发者提供了一个平台，以贡献和改进他们的应用，促进 AI 开发中的协作和创新。

DeepEval

AI GitHub 仓库

#80

开源框架，旨在评估大型语言模型（LLMs）。它允许开发者参与并改善评估过程，从而提升LLMs的性能和可靠性。DeepEval是一个开源框架，旨在评估大型语言模型（LLMs）。它允许开发者参与并改善评估过程，从而提升LLMs的性能和可靠性。

OpenAI Evals 框架

AI GitHub 仓库

用于评估大型语言模型（LLMs）和 LLM 系统的框架。它作为一个开源基准注册库，促进了对 AI 模型性能和能力的评估。OpenAI Evals 是一个用于评估大型语言模型（LLMs）和 LLM 系统的框架。它作为一个开源基准注册库，促进了对 AI 模型性能和能力的评估。

TruLens 评估工具

AI GitHub 仓库

GitHub 项目，旨在评估和跟踪大型语言模型（LLMs）和 AI 代理的实验。它提供工具以有效评估性能并管理 AI 实验。TruLens 是一个 GitHub 项目，旨在评估和跟踪大型语言模型（LLMs）和 AI 代理的实验。它提供工具以有效评估性能并管理 AI 实验。

Langfuse

AI GitHub 仓库

#19

开源的AI工程平台，提供LLM评估、可观察性、指标、提示管理等功能。它与OpenTelemetry、LangChain和OpenAI SDK集成，为AI开发提供全面的工具包。Langfuse是一个开源的AI工程平台，提供LLM评估、可观察性、指标、提示管理等功能。它与OpenTelemetry、LangChain和OpenAI SDK集成，为AI开发提供全面的工具包。

BetterPrompt 测试套件

AI GitHub 仓库

旨在评估 LLM 提示的测试套件。它允许开发者在 GitHub 上贡献并增强提示测试能力，促进提示开发的协作与改进。BetterPrompt 是一个旨在评估 LLM 提示的测试套件。它允许开发者在 GitHub 上贡献并增强提示测试能力，促进提示开发的协作与改进。

Promptfoo AI 测试工具

AI GitHub 仓库

#75

用于测试 AI 提示、代理和检索增强生成 (RAG) 的工具。它提供针对 AI 的红队测试、渗透测试和漏洞扫描，比较 GPT、Claude 等模型的性能。它与命令行和 CI/CD 系统集成。Promptfoo 是一个用于测试 AI 提示、代理和检索增强生成 (RAG) 的工具。它提供针对 AI 的红队测试、渗透测试和漏洞扫描，比较 GPT、Claude 等模型的性能。它与命令行和 CI/CD 系统集成。

Phoenix

AI GitHub 仓库

#85

Arize Phoenix 是一款 AI 可观察性和评估工具，旨在帮助开发者监控和评估 AI 模型。它提供了模型性能的洞察，促进更好的决策和优化。