跳到主要内容Skip to main content
评测与可观测先试这个

promptfoo

promptfoo / promptfoo

prompt / 模型 / agent 的对比评测工具,配置化跑多模型多 prompt。

27.4k stars 2791 forks TypeScript 语言 MIT 许可 最近推送 2026-11-18

为什么选

  • YAML 配置,跑对比矩阵快。
  • 支持断言、模型评委、CI。
  • 适合 prompt 迭代与回归。

不适合

复杂 agent 轨迹评测要自己补。
不是数据标注平台。

许可与使用边界

GitHub 快照显示许可为 MIT。开源不等于可商用:GPL / AGPL 有传染性;代码许可、模型许可、生成内容许可要分开看。上线前读仓库 LICENSE 与模型卡,必要时让法务确认。

替代与相邻

  • DeepEval — 先试这个,像写单元测试一样测 LLM:断言、指标、数据集与 CI 集成。
  • Ragas — 先试这个,RAG 评测库:检索相关性、答案忠实度、上下文召回等指标。
  • Langfuse — 生产可用,LLM 应用的追踪、评测、prompt 管理与成本分析平台,可自托管。

下一步

  • 打开 GitHub,先读 README、LICENSE、最近 release 与 issue。
  • 按“部署依赖 / 显存 / 数据 / 网络 / 权限”列一张上手清单。
  • 用一个小样本跑通,再决定是否进生产;不要直接上生产数据。

GitHub 仓库 ↗ 文档 ↗ 加入对比

快照口径:stars / forks / language / license / pushed_at 来自 GitHub API 2026-11-19 快照;之后的变化没有回写。标签与“适合 / 不适合”是编辑判断,不是 GitHub 元数据。
不背书:本站只做索引与风险提示,不审计代码、不保证安全、不替你做许可判断。仓库脚本与模型权重请自行审查。