GitHub Star 总榜 · 开源序

1wg / wrk现代 HTTP 基准测试工具C许可证未声明不活跃40,427

2langfuse / langfuse🪢 开源代理评估和可观察性：通过一个开放平台跟踪、评估和改进 LLM 应用程序。TypeScript许可证未声明37,124

3Tencent / WeKnora开源LLM知识平台：将原始文档变成可查询的RAG、自主推理代理和自我维护的Wiki。Go许可证未声明36,687

4mastra-ai / mastraMastra 是用于人工智能驱动的应用程序和代理的现代 TypeScript 框架。TypeScript许可证未声明29,384

5mlflow / mlflow适用于代理、大语言模型和机器学习模型的开源人工智能工程平台。 MLflow 使各种规模的团队能够调试、评估、监控和优化生产质量的 AI 应用程序，同时控制成本并管理对模型和数据的访问。PythonApache-2.0 · 宽松，可直接商用28,706

6promptfoo / promptfoo测试您的提示、代理和 RAG。 AI 红队/渗透测试/漏洞扫描。比较 GPT、Claude、Gemini、DeepSeek 等的性能。具有命令行和 CI/CD 集成的简单声明性配置。由 OpenAI 和 Anthropic 使用。TypeScriptMIT · 宽松，可直接商用26,914

7comet-ml / opik作者声明：通过全面的跟踪、自动评估和生产就绪的仪表板来调试、评估和监控您的 LLM 应用程序、RAG 系统和代理工作流程。PythonApache-2.0 · 宽松，可直接商用23,223

8confident-ai / deepeval大语言模型评估框架PythonApache-2.0 · 宽松，可直接商用19,337

9vibrantlabsai / ragas增强您的 LLM 申请评估🚀PythonApache-2.0 · 宽松，可直接商用不活跃16,254

10raga-ai-hub / RagaAI-Catalyst用于代理 AI 可观察性、监控和评估框架的 Python SDK。包括代理、llm 和工具跟踪、调试多代理系统、自托管仪表板以及具有时间线和执行图视图的高级分析等功能PythonApache-2.0 · 宽松，可直接商用不活跃16,188

11EleutherAI / lm-evaluation-harness用统一评测框架运行语言模型任务与结果统计。PythonMIT · 宽松，可直接商用14,419

12heroiclabs / nakama可扩展的开源游戏后端服务器：游戏的多人游戏、配对、排行榜、聊天和社交功能。GoApache-2.0 · 宽松，可直接商用13,683

13Arize-ai / phoenix人工智能可观测性和评估Python许可证未声明12,180

14mrgloom / awesome-semantic-segmentation:metal: 很棒的语义分割许可证未声明不活跃10,849

15mcollina / autocannon用 Node.js 编写的快速 HTTP/1.1 基准测试工具JavaScriptMIT · 宽松，可直接商用8,535

16FailproofAI / failproofaiAI 代理线束的可观察性和执行力。通过策略执行捕获每次运行和运行时的可靠性。TypeScript许可证未声明8,171

17open-compass / opencompass管理语言模型评测任务、数据集配置和结果汇总。PythonApache-2.0 · 宽松，可直接商用7,569

18harbor-framework / harbor评估和改进代理的框架PythonApache-2.0 · 宽松，可直接商用6,857

19codesenberg / bombardier用 Go 编写的快速跨平台 HTTP 基准测试工具GoMIT · 宽松，可直接商用6,855

20evcxr / evcxrRust 交互式求值工具集合，包括 Jupyter 内核、Rust REPL 和相关共享库。Rust许可证未声明6,530