llm-evaluator
Skillby aiwithabidi
clawhub⭐ 07/10
基于 Langfuse 的 LLM 评判系统，对 AI 输出进行相关性、准确性、幻觉和有用性评分。支持对历史轨迹的补录评分...
基于Langfuse的LLM裁判评估系统，对AI输出进行相关性、准确性、幻觉率、有用性四维度自动评分，支持历史数据回填分析
📊 商业分析
商业模式
freemium
独特价值
基于Langfuse实现历史轨迹批量回填评分，四维度自动化LLM裁判
竞品
1. Ragas（开源RAG评估框架，更专注RAG场景，无可视化面板）；2. DeepEval（功能更全但配置复杂，无Langfuse集成）；3. Langsmith Evaluators（与LangChain深度绑定，生态封闭）
🎯 应用场景
目标用户
AI产品开发团队LLM应用质量工程师AI创业公司技术负责人
工具信息
- 类型
- Skill
- 平台
- clawhub
- Stars
- ⭐ 0
- 价值评分
- 7/10
- 子分类
- AI模型评估与质量监控
- 可商业化
- ✅ 是
AI 标签
LLM评估AI质量监控幻觉检测Langfuse集成自动化评分
相关工具推荐
skill-creatorSKILL
由Anthropic官方出品，支持从零创建AI Skill、编辑优化现有Skill、运行评估测试并进行方差分析的性能基准对比，实现AI能力工程化闭环管理。
9/10⭐ 86,759
conversation-memorySKILL
为LLM对话提供短期、长期、实体三层持久化记忆系统，让AI真正记住用户，支持跨会话上下文延续与知识积累。
9/10⭐ 22,346
self-improvingSKILL
具备自我反思、自我批评、持续学习与记忆组织能力的自进化Agent，自动评估并永久改进输出质量，无需人工反复校正。
9/10⭐ 638
proactive-agentSKILL
将AI Agent从被动任务执行者升级为主动预判伙伴，内置WAL协议、工作缓冲区与自主定时任务，支持持续自我改进的智能体框架
9/10⭐ 628
cellcogSKILL
DeepResearch Bench排名第一的全模态AI代理框架。通过多代理编排实现深度推理与文本、图像、音频、视频等全模态融合,支持复杂任务自动化。
9/10⭐ 6