Sentry

Giskard OSS

AI GitHub 仓库

#109

开源评估和测试库，专为 LLM 代理设计。它提供工具来评估和提高语言模型的性能，确保 AI 应用程序的稳健性和可靠性。Giskard OSS 是一个开源评估和测试库，专为 LLM 代理设计。它提供工具来评估和提高语言模型的性能，确保 AI 应用程序的稳健性和可靠性。

DeepEval

AI GitHub 仓库

#90

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。

DeepTeam 框架

AI GitHub 仓库

#122

旨在对大型语言模型（LLMs）和人工智能代理进行红队测试的框架，提供了一种结构化的方法来测试和增强人工智能系统的稳健性和安全性。DeepTeam 是一个旨在对大型语言模型（LLMs）和人工智能代理进行红队测试的框架，提供了一种结构化的方法来测试和增强人工智能系统的稳健性和安全性。

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。

StableLM

AI GitHub 仓库

Stability AI 开发的开源语言模型系列。此 GitHub 仓库托管着持续的开发工作，提供了对 StableLM-3B-4E1T 和 StableLM-Alpha v2 等各种检查点的访问。它旨在供研究人员和开发人员探索和构建先进的 AI 语言能力。StableLM 是 Stability AI 开发的开源语言模型系列。此 GitHub 仓库托管着持续的开发工作，提供了对 StableLM-3B-4E1T 和 StableLM-Alpha v2 等各种检查点的访问。它旨在供研究人员和开发人员探索和构建先进的 AI 语言能力。

LangWatch

AI 应用

#15

AI 代理测试、LLM 评估和可观测性平台。它允许开发人员模拟真实世界场景，防止回归，并通过将生产跟踪转化为评估来调试问题。通过在部署前测试提示、模型和代理来提高每次发布的 AI 质量。LangWatch 是一个 AI 代理测试、LLM 评估和可观测性平台。它允许开发人员模拟真实世界场景，防止回归，并通过将生产跟踪转化为评估来调试问题。通过在部署前测试提示、模型和代理来提高每次发布的 AI 质量。

Promptfoo AI 测试工具

AI GitHub 仓库

#78

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。

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。