Git Stars Git Stars

#agent-evaluation 仓库

探索 19 个标记为 #agent-evaluation 的活跃开源 GitHub 仓库,它们累计获得 83,117 个 Star(平均每个项目 4,374 个)。该主题的领先项目是 ifixai-ai/iFixAi,拥有 46,592 个 Star。

19
仓库总数
83,117
总星标数
4,374
平均每个仓库星标数
1
ifixai-ai/iFixAi

AI 智能体独立审计。无论是人工运行还是由智能体自身运行,旨在回答 AI 智能体经济中最关键的问题:该智能体是否在执行其应有的任务?使用 iFixAi,您可以在 120 秒内获得答案。

ifixai-ai
⭐ 46,592 Python 👤 ifixai-ai Organization 🕐 已更新 2026-11-20 📅 创建时间 2026-04-27
2
Giskard-AI/giskard-oss

🐢 面向 LLM 智能体的开源评估与测试库

Giskard-AI
⭐ 5,965 Python 👤 Giskard-AI Organization 🕐 已更新 2026-11-20 📅 创建时间 2022-03-06
3
coze-dev/coze-loop

下一代AI代理优化平台:Cozeloop通过提供从开发、调试、评估到监控的全生命周期管理能力,解决了AI代理开发中的挑战。

coze-dev
⭐ 5,799 Go 👤 coze-dev Organization 🕐 已更新 2026-11-17 📅 创建时间 2025-06-24
4
NVIDIA/SkillEvaluator

用于评估 AI 智能体技能和插件的多层级框架,包含质量门禁、安全扫描、测试框架兼容性检查、语义重叠检测、合成评估数据集生成,以及衡量技能如何影响智能体行为的实时智能体评估。提供可复用的 CI 模板,将所有检查引入任何代码仓库。

NVIDIA
⭐ 4,300 Python 👤 NVIDIA Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-06-24
5
truera/trulens

LLM实验与AI代理的评估与追踪

truera
⭐ 3,665 Python 👤 truera Organization 🕐 已更新 2026-11-20 📅 创建时间 2020-11-02
6
future-agi/future-agi

开源端到端平台,用于评估、观察和改进 LLM 和 AI 代理应用。Tracing · Evals · Simulations · Datasets · Gateway · Guardrails。自托管。Apache 2.0。

future-agi
⭐ 2,284 Python 👤 future-agi Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-04-23
7
Forethought-Technologies/AutoChain

AutoChain:构建轻量级、可扩展且可测试的大语言模型 (LLM) 代理

Forethought-Technologies
⭐ 1,879 Python 👤 Forethought-Technologies Organization 🕐 已更新 2025-12-16 📅 创建时间 2023-05-19
8
google-deepmind/bsuite

bsuite 是一系列经过精心设计的实验,用于研究强化学习 (RL) 代理的核心能力

google-deepmind
⭐ 1,566 Python 👤 google-deepmind Organization 🕐 已更新 2026-11-11 📅 创建时间 2019-08-02
9
alibaba/skill-up

评估智能体技能和环境。用证据改进技能。

alibaba
⭐ 1,508 Go 👤 alibaba Organization 🕐 已更新 2026-11-20 📅 创建时间 2026-05-09
10
TIGER-AI-Lab/ClawBench

针对日常任务的浏览器AI代理开源基准测试。

TIGER-AI-Lab
⭐ 1,325 Python 👤 TIGER-AI-Lab Organization 🕐 已更新 2026-11-05 📅 创建时间 2026-04-10
11
mozilla-ai/any-agent

用于使用和评估不同代理框架的单一接口

mozilla-ai
⭐ 1,261 Python 👤 mozilla-ai Organization 🕐 已更新 2026-11-01 📅 创建时间 2025-03-25
12
Ricky-7-Yan/intelligent-audit-system

AuditPilot:可审计的企业级AI代理,用于基于证据的工作流程、受管控的工具、评估框架、人工审核以及补救措施交付。

Ricky-7-Yan
⭐ 1,182 Python 👤 Ricky-7-Yan User 🕐 已更新 2026-11-05 📅 创建时间 2025-10-28
13
reacher-z/Awesome-CUA

开放且有来源支撑的计算机使用智能体目录:经审阅的论文、GUI 模型、数据集、基准、工具,以及可复用的 JSONL/SQLite 数据。

reacher-z
⭐ 1,072 Python 👤 reacher-z User 🕐 已更新 2026-11-21 📅 创建时间 2026-10-16
14
benchflow-ai/awesome-evals

一个精心策划、无废话的资源库,汇集了构建和评估AI智能体的最佳资料——包括论文、博客、演讲、工具和基准测试。由BenchFlow维护。

benchflow-ai
⭐ 1,049 👤 benchflow-ai Organization 🕐 已更新 2026-11-04 📅 创建时间 2026-06-24
15
microsoft/AIOpsLab

一个支持自主 AIOps 代理设计、开发和评估的整体框架。

microsoft
⭐ 1,036 Python 👤 microsoft Organization 🕐 已更新 2026-11-14 📅 创建时间 2024-10-11
16
chirpz-ai/pandaprobe

开源智能体工程平台:提供追踪、评估和指标,用于调试和改进您的 AI 智能体。支持与 LangGraph、CrewAI、Claude Agent SDK 等集成。

chirpz-ai
⭐ 868 Python 👤 chirpz-ai Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-12-16
17
jwuthri-cloud/Tracely-ai

面向 AI 智能体的原生 Trace CI/CD:评估生产环境中的 Trace,对故障进行聚类,将其固化为可回放的回归测试,并阻止引入回归的 PR。支持自托管。

jwuthri-cloud
⭐ 850 Python 👤 jwuthri-cloud User 🕐 已更新 2026-11-16 📅 创建时间 2026-10-11
18
ruvnet/metaharness

🛠️ AI代理的元框架——搭建您自己专注的、品牌化的代理框架,配备专属的npx命令行界面、MCP服务器、内存、学习循环以及见证签名的发布版本。兼容Claude Code、Codex、pi.dev、Hermes、OpenClaw和RVM(硬件隔离沙箱)。

ruvnet
⭐ 759 TypeScript 👤 ruvnet User 🕐 已更新 2026-11-20 📅 创建时间 2026-06-13
19
TIGER-AI-Lab/WebsiteBench

人工智能代理能通过浏览器探索重建网站吗?

TIGER-AI-Lab
⭐ 595 Python 👤 TIGER-AI-Lab Organization 🕐 已更新 2026-11-17 📅 创建时间 2026-11-04

常见问题解答

1

GitHub 上最受欢迎的 #agent-evaluation 仓库是什么?

GitHub 上排名第一的开源 #agent-evaluation 项目是 ifixai-ai/iFixAi,拥有 46,592 个 Star。AI 智能体独立审计。无论是人工运行还是由智能体自身运行,旨在回答 AI 智能体经济中最关键的问题:该智能体是否在执行其应有的任务?使用 iFixAi,您可以在 120 秒内获得答案。

2

#agent-evaluation 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #agent-evaluation 项目中,最常见的编程语言是 Python, Go, TypeScript。

3

#agent-evaluation 仓库的排名是如何计算的?

我们跟踪了 19 个标记为 #agent-evaluation 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 83,117 个 Star,平均每个仓库拥有 4,374 个 Star。排名每日根据 GitHub API 更新。