eval-driven-dev
Skillby yiouli
clawhub⭐ 07/10
为 Python LLM 应用埋点，构建黄金数据集，编写评估测试并运行，根因分析失败，覆盖完整评估驱动开发周期。
为Python LLM应用提供埋点插桩、黄金数据集构建、评测用例编写、自动运行与失败根因分析的完整评测驱动开发工作流
📊 商业分析
商业模式
freemium
独特价值
从埋点到黄金数据集到失败根因分析的LLM评测全链路自动化
竞品
1. LangSmith（LangChain官方评测平台，生态更完整但绑定LangChain）；2. Braintrust（专业LLM评测SaaS，功能更丰富但价格较高）；3. PromptFoo（开源评测工具，社区活跃但需自行搭建）
🎯 应用场景
目标用户
Python LLM应用开发者AI产品QA工程师MLOps/LLMOps工程师
工具信息
- 类型
- Skill
- 平台
- clawhub
- Stars
- ⭐ 0
- 价值评分
- 7/10
- 子分类
- LLM应用质量保障与评测工程
- 可商业化
- ✅ 是
AI 标签
LLM评测Eval驱动开发黄金数据集Python测试质量保障
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