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 2026-09-25 · 当前星标 ★ 103
核心亮点
- 提供可视化 Web 界面，降低 LLM-as-a-Judge 的使用门槛
- 支持迭代式细化评估标准，能逐步对齐人类意图
- 基于 TypeScript 开发，前后端技术栈统一，便于二次开发
不足之处
- 项目尚处早期，星标仅 103，社区生态和文档完善度有限
- 依赖 LLM 作为评估者，评估结果仍受模型自身偏见和稳定性影响
适用场景
- 模型输出质量对比：快速定义标准并批量评估不同模型的回答
- 提示词工程优化：迭代评估标准以筛选最佳提示词
- 内容安全审核：自定义安全维度，让 LLM 自动筛查违规内容
替代项目
promptfoo、DeepEval
同类项目推荐
crust
开源
给 AI Agent 装上行为拦截闸，危险操作发生前就挡住
Open Source AI Agent Security Infrastructure — intercepts and blocks dangerous agen···
LLMRouterBench
开源
把各家大模型路由方法拉到同一张考卷上比高低
[Findings@ACL'26] LLMRouterBench: A Massive Benchmark and Unified Framework for LLM ···
system_prompts_leaks
开源
扒开各家 AI 的底牌，看清它怎么想、怎么答
Leaked system prompts of ChatGPT, Claude, Gemini and more. The hidden system prompt ···
auto_eval
开源
让机器人策略评估全自动，省时省力又客观
AutoEval: Autonomous Evaluation of Generalist Robot Manipulation Policies in the Rea···
pII-guard
开源
用 LLM 智能识别日志中的隐私信息，轻松满足 GDPR 合规。
️ PII Guard is an LLM-powered tool that detects and manages Personally Identifiable···
Awesome-Machine-Generated-Text
开源
一站式找全大模型生成文本的检测与分析资源
Continuously updated list of related resources for generative LLMs like GPT and thei···
raga-llm-hub
开源
一站式搞定 LLM 评估、防护与安全，让上线更放心
Framework for LLM evaluation, guardrails and security
vistorybench
开源
给AI故事配图能力打分，让模型叙事更连贯
[CVPR 2026] ViStoryBench: AI Story Visualization Benchmark
M3Exam
开源
全球大模型谁更聪明？多语言考卷测出真实力
Data and code for paper "M3Exam: A Multilingual, Multimodal, Multilevel Benchmark fo···