Git Stars Git Stars

#evals 仓库

探索 25 个标记为 #evals 的活跃开源 GitHub 仓库,它们累计获得 108,810 个 Star(平均每个项目 4,352 个)。该主题的领先项目是 mastra-ai/mastra,拥有 29,719 个 Star。

25
仓库总数
108,810
总星标数
4,352
平均每个仓库星标数
1
mastra-ai/mastra

Mastra 是用于人工智能驱动应用和代理的现代 TypeScript 框架。

mastra-ai
⭐ 29,719 TypeScript 👤 mastra-ai Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-08-06
2
Arize-ai/phoenix

AI 可观测性与评估

Arize-ai
⭐ 12,368 Python 👤 Arize-ai Organization 🕐 已更新 2026-11-21 📅 创建时间 2022-11-09
3
FailproofAI/failproofai

AI 代理框架的可观测性与强制执行。通过策略强制执行,记录每次运行并确保运行时可靠性。

FailproofAI
⭐ 9,904 TypeScript 👤 FailproofAI Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-04-06
4
harbor-framework/harbor

评估和改进代理的框架

harbor-framework
⭐ 7,313 Python 👤 harbor-framework Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-08-04
5
AgentOps-AI/agentops

用于 AI 代理监控、LLM 成本跟踪、基准测试等的 Python SDK。与包括 CrewAI、Agno、OpenAI Agents SDK、Langchain、Autogen、AG2 和 CamelAI 在内的大多数 LLM 和代理框架集成

AgentOps-AI
⭐ 5,971 Python 👤 AgentOps-AI Organization 🕐 已更新 2026-06-25 📅 创建时间 2023-08-15
6
Kiln-AI/Kiln

构建、评估和优化 AI 系统。包括评估、RAG、智能体、微调、合成数据生成、数据集管理、MCP 等。

Kiln-AI
⭐ 5,286 Python 👤 Kiln-AI Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-07-23
7
pydantic/logfire

用于生产环境的大型语言模型和代理系统的 AI 可观测性平台。

pydantic
⭐ 4,564 Python 👤 pydantic Organization 🕐 已更新 2026-11-21 📅 创建时间 2024-04-23
8
ombharatiya/ai-system-design-guide

面向构建生产级 AI 系统和评估的工程师的 AI 系统设计指南。

ombharatiya
⭐ 4,426 👤 ombharatiya User 🕐 已更新 2026-11-10 📅 创建时间 2025-12-16
9
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
10
lmnr-ai/lmnr

Laminar——专为 AI 代理构建的开源可观测性平台。YC S24。

lmnr-ai
⭐ 3,516 TypeScript 👤 lmnr-ai Organization 🕐 已更新 2026-11-20 📅 创建时间 2024-08-29
11
FrancyJGLisboa/agent-skills-platform

构建经过测试的智能体技能,并通过用户定义的市场管理其生命周期:证据、发现、更新、回滚、隔离以及 17 个平台的分发。

FrancyJGLisboa
⭐ 2,417 Python 👤 FrancyJGLisboa User 🕐 已更新 2026-09-15 📅 创建时间 2025-10-18
12
MCPJam/inspector

用于聊天、检查和调试MCP服务器、MCP应用和ChatGPT应用的测试与评估平台。

MCPJam
⭐ 2,331 TypeScript 👤 MCPJam Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-05-23
13
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
14
ShenSeanChen/waku-agent

Waku Agent 是一个由你掌控的开源 AI 智能体框架:包含循环、记忆、评测,以及一个始终运行的层(事件收件箱、定时器、审批、发件箱),代码始终保持易读。

ShenSeanChen
⭐ 2,206 Python 👤 ShenSeanChen User 🕐 已更新 2026-11-21 📅 创建时间 2026-07-10
15
heymrun/heym

构建智能体系统。自信地运行它们。编排智能体,自动化业务流程,检查每一次执行,并确保人类掌控全局。在您自己的基础设施上部署 Heym。

heymrun
⭐ 1,821 Python 👤 heymrun Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-03-28
16
mattpocock/evalite

使用 TypeScript 评估您的大语言模型 (LLM) 支持的应用

mattpocock
⭐ 1,740 TypeScript 👤 mattpocock User 🕐 已更新 2026-04-28 📅 创建时间 2024-11-12
17
GitHamza0206/simba

内置评估和监控的开源生产就绪客户服务

GitHamza0206
⭐ 1,545 TypeScript 👤 GitHamza0206 User 🕐 已更新 2026-06-18 📅 创建时间 2024-12-20
18
LilMGenius/paperthin

递归自我改进(RSI)技能手册。以经久不衰的工程智慧,深入解析 NVIDIA 的最新成果。精炼自 OpenAI Harness Engineering 黑客松获奖者的零干预方法。

LilMGenius
⭐ 1,469 JavaScript 👤 LilMGenius User 🕐 已更新 2026-11-15 📅 创建时间 2026-06-19
19
superlinear-ai/raglite

🥤 RAGLite 是一个使用 DuckDB 或 PostgreSQL 的检索增强生成 (RAG) 的 Python 工具包

superlinear-ai
⭐ 1,215 Python 👤 superlinear-ai Organization 🕐 已更新 2026-11-01 📅 创建时间 2024-06-10
20
Jwuthri/Tracely-ai

面向 AI 代理的原生追踪 CI/CD——将生产环境故障转化为阻止 PR 合并的回归测试。自动检测、聚类,并固化为隔离测试用例,在 CI 中以零成本重放。

Jwuthri
⭐ 1,122 Python 👤 Jwuthri User 🕐 已更新 2026-11-21 📅 创建时间 2026-06-03
21
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
22
tripleyak/SkillForge

一个能证明其技能有效的技能创建器。为 Claude Code 和 Codex 提供基于证据的技能创建:基准测试生成、单项技能回归评估、生态系统诊断、跨运行时编译以及可选的主动建议功能。

tripleyak
⭐ 918 Python 👤 tripleyak User 🕐 已更新 2026-07-29 📅 创建时间 2025-12-30
23
overmind-core/overmind

持续改进 AI 智能体的平台。

overmind-core
⭐ 771 Python 👤 overmind-core Organization 🕐 已更新 2026-11-21 📅 创建时间 2026-03-27
24
calmrocks/ai-engineer-notebooks

面向 AI 工程师 / 前线部署工程师 (FDE) 技能栈的实战型、无框架 Colab 笔记本 —— 涵盖模型 API、结构化输出、工具调用、RAG、以评估为核心、智能体(从零构建循环、工具设计、护栏机制、MCP、技能)、微调 vs LoRA、提示词注入与安全、LLMOps 以及客户服务技艺。基于免费的 Groq API 运行。

calmrocks
⭐ 756 Jupyter Notebook 👤 calmrocks User 🕐 已更新 2026-11-07 📅 创建时间 2026-08-11
25
ratel-ai/ratel

AI 智能体的自我改进层。Ratel 会读取智能体的运行轨迹,找出问题所在、推荐修复方案,并在你发布前基于真实会话运行评估。支持自托管:一个应用,一个 Postgres。包含 TypeScript 和 Python SDK。

ratel-ai
⭐ 566 TypeScript 👤 ratel-ai Organization 🕐 已更新 2026-11-21 📅 创建时间 2025-11-12

常见问题解答

1

GitHub 上最受欢迎的 #evals 仓库是什么?

GitHub 上排名第一的开源 #evals 项目是 mastra-ai/mastra,拥有 29,719 个 Star。Mastra 是用于人工智能驱动应用和代理的现代 TypeScript 框架。

2

#evals 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #evals 项目中,最常见的编程语言是 Python, TypeScript, JavaScript, Jupyter Notebook。

3

#evals 仓库的排名是如何计算的?

我们跟踪了 25 个标记为 #evals 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 108,810 个 Star,平均每个仓库拥有 4,352 个 Star。排名每日根据 GitHub API 更新。