DeepEval

DeepEval 专门为大语言模型输出提供指标和测试原语——答案相关性、对源文档的忠实度、幻觉检测等——使团队能够像编写常规代码的单元测试一样，为大语言模型应用的质量编写自动化测试，并在 CI 中运行。它与 Pytest 等常见测试框架集成。

DeepEval 适合那些希望对大语言模型或 RAG 应用输出进行系统化、自动化质量检查、而不是人工抽查的团队，与目录中的 Promptfoo 形成互补——两者都致力于大语言模型评估，DeepEval 更偏向基于 pytest 原生的单元测试工作流。