智能体与多智能体
promptfoo
promptfoo/promptfoo
一个用于评估、测试和红队测试 LLM 应用、RAG 和 Agent 的开源 CLI 和库。它支持通过声明式配置进行模型并行对比，并支持 CI/CD 集成和漏洞扫描。
★ 23.9K⑂ 2.2KTypeScript
ToolAI.io · GitHub 频道
智能体与多智能体 · GitHub 上的开源 AI 项目
一个基于事实的 LLM、智能体、MCP、RAG 和 AI 开发项目索引；每个条目均包含许可证、设置、下载、截图及相关资源。
公开仓库数据
项目索引
智能体与多智能体
Opik：开源 LLM 可观测性、评估与智能体追踪平台
comet-ml/opik
Opik 是一个采用 Apache-2.0 许可证的平台，用于追踪、评估、调试和监控 LLM 应用、RAG 系统及多步骤智能体工作流。它支持自托管、Comet.com 托管选项、客户端 SDK、REST API、自动化评估、提示词实验和生产仪表板。
★ 21.1K⑂ 1.7KPython
智能体与多智能体
BISHENG
dataelement/bisheng
BISHENG 是一个开源的 LLM 应用 DevOps 平台，面向下一代企业级 AI 应用，提供 GenAI 工作流编排、RAG、Agent 管理以及企业级系统管控等全面功能。
★ 11.8K⑂ 1.9KPython
智能体与多智能体
Giskard OSS：用于 AI 智能体的评估、红队测试与测试生成
giskard-ai/giskard-oss
一个用于评估和测试基于 LLM 及智能体系统的开源 Python 库，支持多轮评估、LLM-as-judge 检查和自动化漏洞扫描。
★ 5.7K⑂ 513Python
智能体与多智能体
LangWatch
langwatch/langwatch
一个开放核心平台，用于在发布前及生产环境中评估、测试、追踪和监控 LLM 应用与 AI 智能体。
★ 3.5K⑂ 345TypeScript
智能体与多智能体
TruLens：面向 LLM 实验与 AI 智能体的评估与追踪工具
truera/trulens
TruLens 是一个开源的、原生支持 OpenTelemetry 的评估与追踪库，适用于 LLM 应用和 AI 智能体。它帮助开发者追踪每一步骤，使用 LLM 作为评判者对性能进行打分，并比较不同版本的应用。
★ 3.5K⑂ 319Python
智能体与多智能体
Claude Cookbooks：从 API 示例到可评估的业务助手
anthropics/claude-cookbooks
Anthropic 提供的 Claude 开发示例集，覆盖分类、摘要、检索增强、工具调用、图像理解与评估，适合按具体任务学习并改造代码。
★ 52.6K⑂ 6.3KJupyter Notebook