PyPI · npm
Arize-ai/phoenix
AI Observability & Evaluation
Власна ліцензія28 серп. 2026 р. · метрики 2.10.0
Усі теги
Тег каталогу
#llm-eval
Усі репозиторії публічного реєстру з цим тегом — із тем GitHub або ключових слів, які публікують їхні реєстри пакетів. Здоров'я вимірюється за тією ж версіонованою методологією, що й решта реєстру.
9 записів
PyPI
Giskard-AI/giskard-oss
🐢 Open-Source Evaluation & Testing library for LLM Agents
Apache-2.028 серп. 2026 р. · метрики 2.10.0
npm
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.
MIT5 серп. 2026 р. · метрики 2.10.0
PyPI
truera/trulens
Evaluation and Tracking for LLM Experiments and AI Agents
MIT6 серп. 2026 р. · метрики 2.10.0
PyPI · npm
UiPath/coder_eval
Test that your Claude Code skills, MCP servers, and CLIs actually work when an agent uses them — sandboxed YAML suites, activation checks, A/B experiments, CI gates.
Apache-2.019 серп. 2026 р. · метрики 2.10.0
PyPI
attenlabs/hotato
Find what broke in your agent calls. Pin it so it never ships again. Local voice-agent call forensics and regression guards.
MIT22 серп. 2026 р. · метрики 2.10.0
Go
lehigh-university-libraries/htr
Handwritten Text Recognition llm eval tool
Apache-2.03 серп. 2026 р. · метрики 2.10.0
RubyGems
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.
Власна ліцензія17 лип. 2026 р. · метрики 2.10.0
Go · npm
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.
Apache-2.022 лип. 2026 р. · метрики 2.10.0