TruLens 评估工具

Radicalbit AI 监控

AI GitHub 仓库

全面的解决方案，用于监督生产中的 AI 模型。它提供工具以确保模型的性能和可靠性，对于依赖 AI 技术的企业至关重要。Radicalbit AI 监控是一个全面的解决方案，用于监督生产中的 AI 模型。它提供工具以确保模型的性能和可靠性，对于依赖 AI 技术的企业至关重要。

Langfuse

AI GitHub 仓库

#28

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。

llamafile

AI GitHub 仓库

#141

旨在简化大型语言模型（LLMs）分发和执行的工具，通过单个文件实现。它促进了 Mozilla AI 社区在 GitHub 上的协作和开发。Llamafile 是一个旨在简化大型语言模型（LLMs）分发和执行的工具，通过单个文件实现。它促进了 Mozilla AI 社区在 GitHub 上的协作和开发。

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。

Weights & Biases

AI 应用

#1

AI 开发平台，用于构建、训练和部署 AI 模型和应用程序。它提供实验跟踪、模型管理和智能体应用程序开发工具，使团队能够自信地工作并简化其 AI 工作流程。它与流行的 ML 框架集成。Weights & Biases 是一个 AI 开发平台，用于构建、训练和部署 AI 模型和应用程序。它提供实验跟踪、模型管理和智能体应用程序开发工具，使团队能够自信地工作并简化其 AI 工作流程。它与流行的 ML 框架集成。

DeepEval

AI GitHub 仓库

#91

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。

harness-lab

AI GitHub 仓库

访问网站提供了一个专为 DeepSeek Harness 设计的评估工具，使用户能够在可重复的离线任务上基准测试代理循环、压缩、技能和工具配置。旨在增强开发人员使用 DeepSeek Harness 的评估过程。