Agent Skills

按标签浏览

# LLM 评估 / LLM Evaluation(10)

卡帕西视角
卡帕西视角
@user_00c9b356/karpathyperspective

以 Andrej Karpathy 的思维框架分析 AI/深度学习问题,运用 Ghosts vs Animals、可验证性、极简构建等心智模型给出强断言式工程判断。

知识管理 2026.08.29 ↓ 236
💻
DeepEval LLM 与代理回归测试
@user_3c6cb52e/regression-test-llm-apps-and-agents-with-metrics-traces-and-eval-suites-using-deepeval

基于 DeepEval 对提示词、RAG 流水线与代理运行可重复评估套件,在发布前暴露回归问题。

开发编程 2026.08.29 ↓ 130
📊
Evidently ML 与 LLM 漂移质量报告
@user_3c6cb52e/generate-drift-and-quality-reports-for-ml-and-llm-pipelines-with-evidently

基于 Evidently 为 ML 与 LLM 管道生成可复现的数据漂移和质量报告,在发布前发现回归问题。

数据分析 2026.08.29 ↓ 128
🤖
MLflow Agent 运行追踪与评估
@user_3c6cb52e/trace-and-evaluate-agent-runs-with-mlflow

借助 MLflow 追踪、评估与监控能力,为 LLM 和 Agent 应用提供部署前后的调试与质量回归检测。

AI Agent 2026.08.29 ↓ 116
🤖
Agenta 评估和监控 LLM 工作流
@user_3c6cb52e/evaluate-and-monitor-llm-workflows-with-agenta

对生产环境 LLM 工作流执行提示词实验、测试集评估与可观测性审查,在回归波及用户前发现问题。

AI Agent 2026.08.29 ↓ 115
🤖
Evalite TypeScript LLM 评估套件
@user_3c6cb52e/run-typescript-native-llm-eval-suites-with-evalite

基于 Evalite 与 Vitest 风格的可重复评测,在改动 prompt、模型或工作流前,为 TypeScript LLM 应用跑一遍评估套件。

AI Agent 2026.08.29 ↓ 113
🤖
LLM 应用评估与观测(Opik)
@kunlungrowth/kunlun-llm-eval-observability-opik

面向 Opik 的 LLM 应用评估与观测,提供评审、方案、排错、架构权衡等结构化方法论与清单模板。

AI Agent 2026.08.30 ↓ 34
猎聘智能寻源流水线
猎聘智能寻源流水线
@user_38ce330a/lp-sourc-nbs-v1

面向猎聘的自动化候选人寻源管道,通过 JD/简历 LLM 评估与浏览器会话完成搜索、筛选和沟通。

知识管理 2026.08.30 ↓ 632
🤖
LLM 评估
@org-02qudk26/llm-evaluation-zh

覆盖自动化指标、人工评估与 A/B 测试的 LLM 应用评估策略,用于性能衡量、模型对比与部署前回归检测。

AI Agent 2026.08.30 ↓ 343
💻
Opik LLM 应用评估与观测
@kunlungrowth/llm-eval-observability-opik

基于 Opik 的 tracing、评估与监控方法论,为 LLM/RAG/Agent 应用构建可度量的评估数据集与生产监控,支持 prompt 回归对比。

开发编程 2026.08.29 ↓ 95