项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 138
技术标签
核心亮点
- AI 驱动测试生成，无需大量手工编写用例
- 支持多维度评估，覆盖逻辑、安全和幻觉等关键问题
- 与主流 LLM 框架集成，上手门槛低
不足之处
- 文档/社区待观察
- 早期项目，API 和功能可能不稳定
适用场景
- LLM 应用上线前的回归测试
- 持续集成中自动验证模型输出质量
- 针对特定场景（如客服、问答）的模拟压力测试
替代项目
DeepEval、LangSmith、Promptfoo
上一篇：athina-sdk
下一篇：valqore
同类项目推荐
Synthid-Bypass
开源
实测绕过 Google SynthID 水印，AI 图像溯源攻防参考
Ai safety research showing a working bypass to Google's synthid on Nano Banana Pro
ablation
开源
用 LLM 智能体自动读汇编、追调用链，加速二进制逆向
Ablation is an AI-assisted reverse engineering (AIARE) framework
clean-fid
开源
让 FID 分数更可信，生成模型评估不踩坑
PyTorch - FID calculation with proper image resizing and quantization steps [CVPR 20···
hanshuang-codex
开源
桌面端批量测大模型越狱提示，一键跑实验看边界
针对GPT 6.0,workbuddyV4.1flash的破甲实验项目
spelltest
开源
用 AI 模拟用户，自动测试你的 LLM 应用，提前发现坑
AI-to-AI Testing | Simulation framework for LLM-based applications
Tracely-ai
开源
把线上 agent 失败轨迹变成 CI 回归测试，退化就拦 PR
Trace-native CI/CD for AI agents: grade production traces, cluster failures, freeze ···
awesome-jev-tools
开源
一页清单，快速找到 Jev 类型化决策的现成工具
A curated list of tools built for Jev — TypeSafe AI's System One model for typed d···
benchflow
开源
一键搭建 RL 训练与评测流水线，省去重复造轮子
Research infra for creating RL environments, post-training, and evals.
merchantbench
开源
365天订单级仿真，测LLM智能体长期经营是否前后一致
MerchantBench is a 365-day, order-level benchmark for evaluating the long-term coher···