DeepEval

DeepEval ofrece métricas y primitivas de prueba específicas para salidas de LLM —relevancia de la respuesta, fidelidad a los documentos fuente, detección de alucinaciones y más— para que un equipo pueda escribir pruebas automatizadas de la calidad de una aplicación LLM de la misma forma que escribiría tests unitarios para código normal, y ejecutarlas en CI. Se integra con frameworks de pruebas habituales como Pytest.

DeepEval encaja en equipos que quieren comprobaciones de calidad sistemáticas y automatizadas sobre las salidas de aplicaciones LLM o RAG en lugar de revisiones manuales puntuales, complementando a Promptfoo (también en este catálogo): ambos abordan la evaluación de LLM, con DeepEval inclinándose hacia un flujo de trabajo de pruebas unitarias nativo de pytest.