
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 2026-11-17 · 当前星标 ★ 154
技术标签
核心亮点
- 框架无关,可直接接入不同 Agent 实现,不强制迁移技术栈
- 覆盖工具调用、回答质量、安全、性能、推理五类指标,评估维度较全
- 支持基线对比与回归自动检测,便于接入持续集成流程
不足之处
- 早期项目,星标约 154,生态与文档成熟度待观察
- 多指标评测依赖 LLM 打分,评估成本与结果稳定性需自行验证
适用场景
- Agent 版本迭代后自动跑回归评测,防止能力下降
- 对比多个 Agent 框架或模型配置,选型时量化打分
- 上线前对 Agent 的工具调用与安全性做批量评估
替代项目
DeepEval、Ragas、promptfoo
上一篇:agentic-radar
下一篇:AISecurity
同类项目推荐
agentic-radar
开源
给智能体工作流做上线前的安全体检
A security scanner for your LLM agentic workflows
ai-safe2-framework
开源
给 AI 智能体装上治理与合规操作系统,让 AI 安全落地。
The Universal Governance, Risk, Compliance (GRC) Operating System with Integrated Se···
Apple-PI
开源
用视频生成检验AI对物理定律的理解,推动世界模型落地
[NeurIPS 2026] Apple-π: Benchmarking Thinking with Video Towards Law-Grounded Physi···
Lookback-Lens
开源
只看注意力图,就能揪出并压制模型胡编乱造
Code for the EMNLP 2024 paper "Detecting and Mitigating Contextual Hallucinations in···
hol-guard
开源
给 AI 代理装杀毒软件,实时拦截危险操作和攻击
Open-source antivirus and firewall for AI agents: block risky tools, secret access, ···
Gym
开源
把模型丢进环境里跑,边评测边改进智能体
Evaluate and improve models and agents using environments
uptrain
开源
给 LLM 应用打分找茬,快速定位并修复质量问题。
UpTrain is an open-source unified platform to evaluate and improve Generative AI app···
benchmark
开源
一套脚本横向对比多个大模型的质量
Benchmark suite for LLMs from Fireworks.ai
param
开源
参数化基准组合,一键测出训练推理平台真实性能
PArametrized Recommendation and Ai Model benchmark is a repository for development o···