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 2026-08-23 · 当前星标 ★ 165
核心亮点
- 上手极快,10分钟即可创建首个评测,降低评估门槛
- 声明式配置,无需编写复杂代码即可定义评测用例
- 与主流AI Agent框架集成,方便嵌入现有开发流程
不足之处
- 项目早期,文档和社区支持待观察
- 评测指标和场景覆盖可能有限
适用场景
- AI Agent开发中的性能回归测试
- 对比不同模型或提示词的效果
- 持续集成中自动评估Agent质量
替代项目
LangSmith、Promptfoo、DeepEval
上一篇:AgentGuard
下一篇:Tracely-ai
同类项目推荐
PhyX
开源
测测你的AI有没有物理常识,一测便知
PhyX: Does Your Model Have the "Wits" for Physical Reasoning?
ko-pii
开源
韩语文本敏感信息检测与脱敏,一条命令搞定
한국어 PII 검출 + 가명화 Python 라이브러리
Modality-Integration-Rate
开源
量化视觉-语言模型跨模态对齐,诊断融合短板
[ICCV 2025] The official code of the paper "Deciphering Cross-Modal Alignment in Lar···
inspect_evals
开源
一行命令跑齐大模型能力与安全评测
Collection of evals for Inspect AI
Awesome-Trustworthy-AudioLLMs
开源
音频大模型可信性论文一站查,快速建立研究地图
A reading list for trustworthy audio large language models.
tensor-trust
开源
玩游戏,收集提示注入数据,助力AI安全研究
A prompt injection game to collect data for robust ML research
CVPR_2025_Oral_Paper_List
开源
一键速览CVPR 2025 Oral论文,紧跟视觉前沿
A curated list of CVPR 2025 Oral paper. Total 96
NOIR
开源
用 adb 给手机做隐私体检,看清 App 上报了什么
手机隐私审计:用 adb 扫出 Android 应用的权限、上报端点与数据流向,并给出可回滚的处置···
g-harness-evals
开源
同一批任务跑多个 agent 框架,比效果也比成本
Open source harness evals: which agent harness does tasks the best, for the least co···
