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 ★ 19
核心亮点
- 支持 RAG、Agent、多轮对话等复杂场景，覆盖全面
- 集成 LLM-as-Judge 和人工盲测，兼顾自动化与主观体验
- 提供评测报告，便于追踪和对比模型迭代效果
不足之处
- 项目处于早期阶段，文档和社区生态待观察
- 功能丰富但可能上手门槛较高，需一定配置成本
适用场景
- RAG 系统检索质量与回答准确性评估
- AI Agent 任务完成率与多轮交互体验测试
- 模型版本迭代前后的效果对比与回归测试
替代项目
Promptfoo、DeepEval、Ragas
上一篇：RiOSWorld
同类项目推荐
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···
lmring
开源
自建 LLM 竞技场，让真实用户投票选出最强模型
Open-source, self-hostable LLM arena with model compare, voting, and leaderboards
Anti-DreamBooth
开源
给照片加隐形噪声，让AI学不会你的脸
Anti-DreamBooth: Protecting users from personalized text-to-image synthesis (ICCV 20···
superpowers-evals
开源
驱动真实编码智能体，自动评分工作流合规性
Behavioral eval lab (Quorum) for the superpowers project that drives real coding-age···
safe-clip
开源
给 CLIP 模型装上安全阀，自动过滤 NSFW 内容
[ECCV 2024] Official implementation of Safe-CLIP, a safety-aligned vision-language m···
XSafeClaw
开源
给 AI 智能体装上安全盾，自动红队测试找漏洞
Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University
context-bombs
开源
用现成的攻击字符串，测出你的 AI 系统抗不抗揍。
Context bomb strings
beir
开源
一个平台，跑遍15+检索数据集，看清模型真实力。
A Heterogeneous Benchmark for Information Retrieval. Easy to use, evaluate your mode···
ragas
开源
给 LLM 应用打分，快速定位 RAG 短板
Supercharge Your LLM Application Evaluations