DeepEval
DeepEval 是面向生成式 AI、模型、RAG、Agent、推理、训练或生产治理的开放源代码项目。
分类：评测、可观测与 AI 安全
公司 / 团队：Confident AI
详细介绍
该项目的主要能力包括LLM、RAG 和 Agent 评测框架，G-Eval、事实性、相关性、幻觉、任务完成、测试用例和 CI。
开源项目的真实可用性取决于代码版本、许可证、模型与数据条款、依赖、硬件、操作系统、部署方式、社区维护、漏洞响应和生产评测。详情页应把仓库、许可证、最新 Release、提交活跃度、安装方式、支持模型、资源需求、遥测、商业版关系和迁移状态拆成动态字段维护。
适合场景
- LLM 单元测试
- RAG 质量评测
- Agent 任务评测
- 模型和 Prompt 比较
使用注意
- LLM-as-a-Judge 受模型和提示影响
- 自动指标应与人工标准校准
- 评测输入可能被发送到外部模型
- 正式用于生产前应完成许可证、模型权重、数据来源、依赖供应链、漏洞、权限、沙箱、准确性、性能、成本、备份和退出迁移评估。