方法与教程阅读约 9 分钟
测试一个“听起来对、实际上错”的 RAG 流水线
把检索指标和生成指标分开，否则你会花一周时间去调优错误的那个阶段。
2026-08-18QASkill Hub关联 5 个条目
LLM 评测Confident AI
DeepEval
原生基于 pytest 的 LLM 评测，60 多种指标。
状态
在正常维护中。没有停服、被收购或转入维护模式的记录。
Apache-2.0 许可的评测框架，以普通 pytest 方式运行，因此可直接接入现有 CI，无需单独的运行器。
同类里的其他工具
相关文章