Git Stars Git Stars

#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
Total des Dépôts
108,810
Nombre total d'étoiles
4,352
Moyenne d'Étoiles/Dépôt
1
mastra-ai/mastra

Mastra est le framework TypeScript moderne pour les applications et agents alimentés par l'IA.

mastra-ai
⭐ 29,719 TypeScript 👤 mastra-ai Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-08-06
2
Arize-ai/phoenix

Observabilité et Évaluation de l'IA

Arize-ai
⭐ 12,368 Python 👤 Arize-ai Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2022-11-09
3
FailproofAI/failproofai

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.

FailproofAI
⭐ 9,904 TypeScript 👤 FailproofAI Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2026-04-06
4
harbor-framework/harbor

Cadre pour évaluer et améliorer les agents

harbor-framework
⭐ 7,313 Python 👤 harbor-framework Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2025-08-04
5
AgentOps-AI/agentops

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

AgentOps-AI
⭐ 5,971 Python 👤 AgentOps-AI Organization 🕐 Mis à jour 2026-06-25 📅 Créé 2023-08-15
6
Kiln-AI/Kiln

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.

Kiln-AI
⭐ 5,286 Python 👤 Kiln-AI Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-07-23
7
pydantic/logfire

Plateforme d'observabilité IA pour les systèmes LLM et agents en production.

pydantic
⭐ 4,564 Python 👤 pydantic Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2024-04-23
8
ombharatiya/ai-system-design-guide

Guide de conception de systèmes d'IA pour les ingénieurs développant des systèmes d'IA en production et des évaluations.

ombharatiya
⭐ 4,426 👤 ombharatiya User 🕐 Mis à jour 2026-11-10 📅 Créé 2025-12-16
9
truera/trulens

Évaluation et suivi des expériences LLM et des agents IA

truera
⭐ 3,665 Python 👤 truera Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2020-11-02
10
lmnr-ai/lmnr

Laminar – plateforme d'observabilité open source conçue spécifiquement pour les agents IA. YC S24.

lmnr-ai
⭐ 3,516 TypeScript 👤 lmnr-ai Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2024-08-29
11
FrancyJGLisboa/agent-skills-platform

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.

FrancyJGLisboa
⭐ 2,417 Python 👤 FrancyJGLisboa User 🕐 Mis à jour 2026-09-15 📅 Créé 2025-10-18
12
MCPJam/inspector

Plateforme de test et d'évaluation pour discuter, inspecter et déboguer les serveurs MCP, les applications MCP et les applications ChatGPT.

MCPJam
⭐ 2,331 TypeScript 👤 MCPJam Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2025-05-23
13
future-agi/future-agi

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.

future-agi
⭐ 2,284 Python 👤 future-agi Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2026-04-23
14
ShenSeanChen/waku-agent

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.

ShenSeanChen
⭐ 2,206 Python 👤 ShenSeanChen User 🕐 Mis à jour 2026-11-21 📅 Créé 2026-07-10
15
heymrun/heym

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.

heymrun
⭐ 1,821 Python 👤 heymrun Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2026-03-28
16
mattpocock/evalite

Évaluez vos applications alimentées par LLM avec TypeScript

mattpocock
⭐ 1,740 TypeScript 👤 mattpocock User 🕐 Mis à jour 2026-04-28 📅 Créé 2024-11-12
17
GitHamza0206/simba

Service client open source prêt pour la production avec Evals et surveillance intégrés

GitHamza0206
⭐ 1,545 TypeScript 👤 GitHamza0206 User 🕐 Mis à jour 2026-06-18 📅 Créé 2024-12-20
18
LilMGenius/paperthin

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.

LilMGenius
⭐ 1,469 JavaScript 👤 LilMGenius User 🕐 Mis à jour 2026-11-15 📅 Créé 2026-06-19
19
superlinear-ai/raglite

🥤 RAGLite est une boîte à outils Python pour la génération augmentée par récupération (RAG) avec DuckDB ou PostgreSQL

superlinear-ai
⭐ 1,215 Python 👤 superlinear-ai Organization 🕐 Mis à jour 2026-11-01 📅 Créé 2024-06-10
20
Jwuthri/Tracely-ai

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 $.

Jwuthri
⭐ 1,122 Python 👤 Jwuthri User 🕐 Mis à jour 2026-11-21 📅 Créé 2026-06-03
21
benchflow-ai/awesome-evals

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.

benchflow-ai
⭐ 1,049 👤 benchflow-ai Organization 🕐 Mis à jour 2026-11-04 📅 Créé 2026-06-24
22
tripleyak/SkillForge

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.

tripleyak
⭐ 918 Python 👤 tripleyak User 🕐 Mis à jour 2026-07-29 📅 Créé 2025-12-30
23
overmind-core/overmind

La plateforme pour améliorer continuellement les agents d’IA.

overmind-core
⭐ 771 Python 👤 overmind-core Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2026-03-27
24
calmrocks/ai-engineer-notebooks

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.

calmrocks
⭐ 756 Jupyter Notebook 👤 calmrocks User 🕐 Mis à jour 2026-11-07 📅 Créé 2026-08-11
25
ratel-ai/ratel

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.

ratel-ai
⭐ 566 TypeScript 👤 ratel-ai Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2025-11-12

Foire aux questions

1

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.

2

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.

3

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.