Etiqueta del catálogo

#llm-eval

Todos los repositorios del registro público que llevan esta etiqueta, procedente de sus topics de GitHub o de las palabras clave que publican sus registros de paquetes. La salud se mide con la misma metodología versionada que el resto del registro.

4 registros

Con la etiqueta «llm-eval»Ordenado por índice de salud

PyPI · npm

89Excelenteíndice de salud

Arize-ai/phoenix

AI Observability & Evaluation

Python · TypeScript · Jupyter Notebook★ 10.6K17 jul 2026

Licencia propia17 jul 2026 · métricas 1.13.0

npm

80Buenoíndice de salud

promptfoo/promptfoo

Test your prompts, agents, and RAGs. Red teaming/pentesting/vulnerability scanning for AI. Compare performance of GPT, Claude, Gemini, DeepSeek, and more. Simple declarative configs with command line and CI/CD integration. Used by OpenAI and Anthropic.

TypeScript★ 23.4K↓ 1.7M/mes17 jul 2026

MIT17 jul 2026 · métricas 1.13.0

RubyGems

61Moderadoíndice de salud

homemade-software-inc/completion-kit

Your prompts need tests too. Run prompts against real datasets, score outputs with LLM judges, version everything, and compare runs to see what got better.

Ruby · HTML★ 117 jul 2026

Licencia propia17 jul 2026 · métricas 1.13.0

Go · npm

56Moderadoíndice de salud

valbaudo/awf

Run agents you don't babysit, and trust the result. awf runs agentic workflows with independent gates that check every step and resumes after crashes.

Go★ 122 jul 2026

Apache-2.022 jul 2026 · métricas 1.13.0