#agent-evaluation Repositórios
Descubra 19 repositórios ativos de código aberto no GitHub marcados com #agent-evaluation, acumulando um total de 83,117 estrelas (uma média de 4,374 por projeto). O líder deste tópico é ifixai-ai/iFixAi, com 46,592 estrelas.
19 repositórios no total
Auditoria independente de agentes de IA. Executada por humanos ou pelo próprio agente, para responder à pergunta mais crucial na economia dos agentes de IA: o agente está fazendo o que deveria fazer? Com o iFixAi, você pode obter essa resposta em menos de 120 segundos.
Plataforma de Otimização de Agentes de IA de Próxima Geração: Cozeloop aborda os desafios no desenvolvimento de agentes de IA, fornecendo recursos de gerenciamento de ciclo de vida completo, desde o desenvolvimento, depuração e avaliação até o monitoramento.
Framework multinível para avaliar habilidades e plugins de agentes de IA, com critérios de qualidade, análise de segurança, verificações de compatibilidade com o ambiente de testes, detecção de sobreposição semântica, geração de conjuntos de dados sintéticos para avaliação e avaliação de agentes em tempo real, que mede como as habilidades afetam o comportamento do agente. Inclui modelos de CI reutilizáveis que levam todas as verificações a qualquer repositório.
Plataforma open-source de ponta a ponta para avaliar, observar e melhorar aplicações de LLM e agentes de IA. Tracing · Evals · Simulations · Datasets · Gateway · Guardrails. Auto-hospedável. Apache 2.0.
bsuite é uma coleção de experimentos cuidadosamente projetados que investigam as capacidades centrais de um agente de aprendizado por reforço (RL)
Avalie as habilidades dos agentes e seus ambientes. Aprimore as habilidades com base em evidências.
Benchmark de código aberto para agentes de IA do navegador em tarefas diárias.
AuditPilot: agentes de IA empresarial auditáveis para fluxos de trabalho baseados em evidências, ferramentas governadas, arreios de avaliação, revisão humana e entrega de remediação.
Catálogo aberto de agentes de uso de computadores, com fontes verificáveis: artigos analisados, modelos de GUI, conjuntos de dados, benchmarks, ferramentas e dados reutilizáveis em JSONL/SQLite.
Uma biblioteca selecionada e direta dos melhores recursos para construir e avaliar agentes de IA — artigos, blogs, palestras, ferramentas, benchmarks. Mantida por BenchFlow.
Uma estrutura holística para possibilitar a concepção, o desenvolvimento e a avaliação de agentes AIOps autônomos.
Plataforma de engenharia de agentes de código aberto: rastreamentos, avaliações e métricas para depurar e melhorar seus agentes de IA. Integra-se com LangGraph, CrewAI, Claude Agent SDK e muito mais.
CI/CD nativo de traces para agentes de IA: avalie traces de produção, agrupe falhas, transforme-as em testes de regressão reproduzíveis e bloqueie PRs que causem regressões. Pode ser hospedado por conta própria.
🛠️ O meta-arnês para agentes de IA — construa seu próprio arnês de agente focado e com marca, com sua própria CLI npx, servidor MCP, memória, ciclo de aprendizado e versões assinadas por testemunhas. Funciona com Claude Code, Codex, pi.dev, Hermes, OpenClaw e RVM (sandbox isolado por hardware).
Perguntas Frequentes
Qual é o repositório de #agent-evaluation mais popular no GitHub?
O projeto de código aberto de #agent-evaluation mais bem classificado no GitHub é ifixai-ai/iFixAi, com 46,592 estrelas. Auditoria independente de agentes de IA. Executada por humanos ou pelo próprio agente, para responder à pergunta mais crucial na economia dos agentes de IA: o agente está fazendo o que deveria fazer? Com o iFixAi, você pode obter essa resposta em menos de 120 segundos.
Quais linguagens de programação são mais usadas nos repositórios de #agent-evaluation?
Entre os projetos de #agent-evaluation mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Go, TypeScript.
Como é calculada a classificação dos repositórios de #agent-evaluation?
Acompanhamos 19 repositórios ativos de código aberto marcados com #agent-evaluation (com mais de 500 estrelas), totalizando 83,117 estrelas e uma média de 4,374 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.