给RAG应用打分，量化回答质量，快速定位问题
tonic_validate 是一个用于评估检索增强生成（RAG）应用响应质量的 Python 库。它提供了一套标准化的指标，帮助开发者量化 RAG 系统在回答准确性、上下文相关性、答案一致性等方面的表现。该库解决了 RAG 应用评估缺乏统一标准的问题，通过简单的 API 即可对响应进行打分，并支持与现有测试框架集成。核心能力包括：计算多个预定义指标（如答案相似度、上下文包含度、幻觉检测等）、支持自定义指标扩展、提供可视化报告以辅助调试。适用于开发者在开发或迭代 RAG 应用时，快速验证模型输出质量，发现潜在问题。
RAGAS、DeepEval、LangChain's LangSmith
tonic_validate 是评测安全领域的开源项目，由 TonicAI 开发，2023 年首次发布。
它收录于评测安全分类，该分类目前共有 466 个项目，GitHub 星标数为 327。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-10。MIT许可证，完全免费，需自行部署使用。
它主要面向的使用场景是：开发RAG应用时，对比不同检索策略或提示词的效果。同类可对比的替代方案包括 RAGAS、DeepEval、LangChain's LangSmith。
上一篇：open-rag-eval
下一篇：PoisonedRAG
akto
开源
给 AI 应用做安全体检，防提示注入和数据泄露
Akto is the fastest growing AI Security platform for your teams to secure AI agents,···
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
fast-llm-security-guardrails
开源
给 AI Agent 加一道快速安全闸门，防提示注入和隐私泄露
The fastest Trust Layer for AI Agents
deepteam
开源
自动模拟越狱攻击，提前测出 LLM 安全漏洞
DeepTeam is a framework to red team LLMs and AI agents.
