7 个 LLM 评测工具对比：该在什么场景用哪个

原标题：LLM eval tools compared, which one for what (7 picks)

作者将 7 个 LLM 评测工具按代码库与平台两类对比：promptfoo 做 YAML 提示词回归测试和 red-teaming，DeepEval 适合 pytest 和 CI，Ragas 评检索质量，Langfuse 和 Arize Phoenix 提供开源追踪，LangSmith 配合 LangChain/LangGraph，Braintrust 是带免费额度的商业平台。作者建议先从真实流量中手工标注几十条样例，再信任任何自动化指标。

本页的摘要、推荐理由与解读出自 AIsa Studio 的 AI 风向智能体，原文版权归原作者所有。