#evals Dépôts
Découvrez 25 dépôts GitHub open source actifs associés à #evals, cumulant 108,810 étoiles au total (soit une moyenne de 4,352 étoiles par projet). Le projet en tête de ce thème est mastra-ai/mastra, avec 29,719 étoiles.
25 dépôts au total
Mastra est le framework TypeScript moderne pour les applications et agents alimentés par l'IA.
Observabilité et contrôle des environnements d’agents d’IA. Enregistrez chaque exécution et assurez la fiabilité à l’exécution grâce à l’application de politiques.
SDK Python pour la surveillance des agents IA, le suivi des coûts LLM, l'étalonnage et plus encore. S'intègre avec la plupart des LLM et des frameworks d'agents, y compris CrewAI, Agno, OpenAI Agents SDK, Langchain, Autogen, AG2 et CamelAI
Construire, évaluer et optimiser les systèmes d'IA. Cela comprend les évaluations (evals), le RAG, les agents, l'ajustement précis (fine-tuning), la génération de données synthétiques, la gestion des ensembles de données, le MCP, et plus encore.
Guide de conception de systèmes d'IA pour les ingénieurs développant des systèmes d'IA en production et des évaluations.
Laminar – plateforme d'observabilité open source conçue spécifiquement pour les agents IA. YC S24.
Créez des compétences d'agent testées et gérez leur cycle de vie via un marketplace défini par l'utilisateur : preuves, découverte, mises à jour, restauration, mise en quarantaine et distribution sur 17 plateformes.
Plateforme de test et d'évaluation pour discuter, inspecter et déboguer les serveurs MCP, les applications MCP et les applications ChatGPT.
Plateforme open source de bout en bout pour évaluer, observer et améliorer les applications LLM et agents IA. Tracing · Evals · Simulations · Datasets · Gateway · Guardrails. Auto-hébergeable. Apache 2.0.
Waku Agent est un framework open source pour agents IA que vous contrôlez : boucle, mémoire, évaluations et couche toujours active (boîte de réception des événements, minuteurs, approbations et boîte d’envoi), le tout dans un code qui reste lisible.
Construisez des systèmes d'agents. Exécutez-les en toute confiance. Orchestrez vos agents, automatisez vos processus métier, inspectez chaque exécution et gardez le contrôle humain. Déployez Heym sur votre propre infrastructure.
Service client open source prêt pour la production avec Evals et surveillance intégrés
Le guide pratique de l’auto-amélioration récursive (RSI). La dernière démonstration de NVIDIA, décryptée à l’aide de principes d’ingénierie intemporels. Une synthèse de la méthode sans intervention du lauréat du hackathon d’ingénierie des harness d’OpenAI.
🥤 RAGLite est une boîte à outils Python pour la génération augmentée par récupération (RAG) avec DuckDB ou PostgreSQL
CI/CD natif des traces pour les agents d’IA — les incidents en production deviennent des tests de régression qui bloquent la PR. Détection et regroupement automatiques, figés en cas hermétiques, puis rejoués dans la CI pour 0 $.
Une bibliothèque organisée et sans fioritures des meilleures ressources pour construire et évaluer des agents d'IA — articles, blogs, conférences, outils, benchmarks. Maintenue par BenchFlow.
Un créateur de compétences qui prouve que ses compétences fonctionnent. Création de compétences basée sur des preuves pour Claude Code et Codex : génération testée sur des bases de référence, évaluations de régression par compétence, diagnostic d'écosystème, compilation multi-runtime et un conseiller proactif optionnel.
Notebooks Colab pratiques et sans framework pour développer les compétences d'AI Engineer / Forward Deployed Engineer (FDE) : API de modèles, sorties structurées, appels d'outils, RAG, évaluations comme pilier central, agents (boucle créée de zéro, conception d'outils, garde-fous, MCP, compétences), fine-tuning vs LoRA, injection de prompts/sécurité, LLMOps et relation client. Fonctionne sur l'API gratuite de Groq.
La couche d’amélioration continue pour les agents IA. Ratel analyse les traces de votre agent, repère les problèmes, recommande des correctifs et lance des évaluations sur des sessions réelles avant la mise en production. Auto-hébergé : une application, un Postgres. Inclut les SDK TypeScript et Python.
Foire aux questions
Quel est le dépôt #evals le plus populaire sur GitHub ?
Le projet #evals open source le mieux classé sur GitHub est mastra-ai/mastra, avec 29,719 étoiles. Mastra est le framework TypeScript moderne pour les applications et agents alimentés par l'IA.
Quels langages de programmation sont les plus utilisés dans les dépôts #evals ?
Parmi les projets #evals les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, TypeScript, JavaScript, Jupyter Notebook.
Comment le classement des dépôts #evals est-il calculé ?
Nous suivons 25 dépôts open source actifs associés à #evals (500+ étoiles), totalisant 108,810 étoiles, avec une moyenne de 4,352 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.