llm-evaluator-pro
Skillby aiwithabidi
clawhub⭐ 17/10
基于Langfuse的LLM裁判评估器。使用GPT-5-nano作为裁判，从相关性、准确性、幻觉和实用性对追踪记录进行评分。支持单条追踪...
基于Langfuse平台的LLM评估工具，使用GPT-5-nano作为裁判，对AI输出进行相关性、准确性、幻觉率、帮助性四维自动评分，支持单条及批量trace评估。
📊 商业分析
商业模式
freemium
独特价值
基于GPT-5-nano自动评判LLM输出的相关性准确性幻觉与帮助性四维评分
竞品
1. Ragas（开源RAG评估框架，更专注RAG场景，无Langfuse集成）；2. DeepEval（功能更全但配置复杂，学习曲线陡）；3. Langfuse原生评估（内置但评分维度少，缺乏LLM-as-Judge能力）
🎯 应用场景
目标用户
AI应用开发者LLM产品质量负责人MLOps工程师
工具信息
- 类型
- Skill
- 平台
- clawhub
- Stars
- ⭐ 1
- 价值评分
- 7/10
- 子分类
- LLM质量评估与监控
- 可商业化
- ✅ 是
AI 标签
LLM评估幻觉检测Langfuse集成质量监控LLM-as-Judge
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