reddi-agent-evaluation
Skillby nissan
clawhub⭐ 06/10
reddi.tech 的 agent-evaluation 分支。用于测试和基准测试 LLM 智能体，涵盖行为测试、能力评估、可靠性指标及生产相关内容。
基于reddi.tech的Agent评测框架，支持LLM智能体行为测试、能力评估、可靠性度量及生产环境基准测试，帮助团队量化Agent质量。
📊 商业分析
商业模式
freemium
独特价值
行为测试+能力评估+可靠性指标三合一Agent专项评测框架
竞品
1. LangSmith（LangChain官方评测平台，生态更完整但重度绑定）；2. PromptFoo（开源prompt测试工具，更轻量但功能单一）；3. Ragas（RAG专项评估框架，垂直场景更深但覆盖面窄）
🎯 应用场景
目标用户
AI应用开发者LLM产品质量工程师企业AI落地团队
工具信息
- 类型
- Skill
- 平台
- clawhub
- Stars
- ⭐ 0
- 价值评分
- 6/10
- 子分类
- LLM智能体评测与基准测试
- 可商业化
- ✅ 是
AI 标签
LLM评测Agent基准测试行为测试可靠性指标能力评估
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