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 ★ 52
技术标签
核心亮点
- 提供可视化 UI，降低测试工具使用门槛
- 聚焦 LLM 应用评估，功能定位清晰
- 支持测试结果对比，便于追踪模型迭代效果
不足之处
- 项目处于早期，社区和文档积累有限
- 功能覆盖面较窄，可能缺少高级自定义能力
适用场景
- 团队在开发 LLM 应用时需要系统化回归测试
- 对比不同提示词或模型版本的效果
- 非技术成员参与评估模型输出质量
替代项目
Promptfoo、DeepEval、LangSmith
上一篇：rhesis
下一篇：RagaAI-Catalyst
同类项目推荐
claw-swe-bench
开源
统一接口跑 SWE-bench，横向比出哪个 agent 框架更能修 bug
Unified adapter framework for evaluating agent harnesses (claws) on SWE-bench
agent-audit
开源
给 AI 智能体做安全体检，防提示注入和配置漏洞
Static security scanner for LLM agents — prompt injection, MCP config auditing, tai···
autoguardrails
开源
用 policy.md 自动搜索最优 LLM 护栏策略
Alignment-research scaffold (autoresearch-style) for LLM guardrails: search over a s···
TaskMeAnything
开源
自动生成多模态任务，全面评估模型能力
[NeurIPS 2024] A task generation and model evaluation system for multimodal languag···
model-leaderboard
开源
目标检测模型谁最强？排行榜按小大物体直接比。
Which model is the best at object detection? Which is best for small or large object···
XLingEval
开源
测测大模型用不同语言回答医疗问题的靠谱程度
Code and Resources for the paper, "Better to Ask in English: Cross-Lingual Evaluatio···
HacxGPT-Jailbreak-prompts
开源
一键解锁 AI 模型隐藏能力，突破限制自由对话
HacxGPT Jailbreak : Unlock the full potential of top AI models like ChatGPT, LLaMA, ···
ScienceAgentBench
开源
用102个真实科研任务，严格检验AI科学智能体成色
[ICLR'25] ScienceAgentBench: Toward Rigorous Assessment of Language Agents for Data-···
awesome-ai-leaderboard
开源
一榜在手，AI模型强弱全看透
A curated list of awesome leaderboard-oriented resources for AI domain