開源產品與程式碼倉庫

95 個

提示詞、評測與可觀測同市場領域商業產品 →領域行情 →首屏畫面與設計風格 →

開源專案 · 按 Stars
專案Stars操作
MathArena通過近期數學競賽、奧林匹克競賽和研究問題評估大型語言模型,並展示其表現與成本排名。165
RagBuilder面向需要構建 RAG 系統的使用者的工具包,通過自動調優、評估和預設範本,為其資料生成適合生產環境的 RAG 設定。148
Llm通過 Ollama 測量本地大型語言模型吞吐性能並比較硬體設定與模型版本的命令列工具。144
CursorLens面向 Cursor.sh IDE 的開源儀表板,可記錄 AI 程式碼生成、跟蹤使用情況並控制 AI 模型。141
TERMINAL-BENCH用於衡量並推動終端機智慧體工作前沿的評測基準。132
VerifyWiseCOSS為合規、安全和治理團隊提供 AI 系統登記、風險評估、政策審批、模型評測和審計證據管理平台,支援雲端與自託管部署。105
SwitchSwitch AI 幫助開發者和企業團隊讓 AI 智慧體與人員協作、檢查安全風險,並衡量和最佳化智慧體的成本與價值。92
RaindropMCP幫助開發智慧體的團隊追蹤運行過程、自動發現和調查生產故障,並通過模擬和實驗驗證修復。91
ProgramBench基準,用來評估語言模型能否在看不到原始碼的情況下從零重新實現程式。81
OpenAPPAMCP面向 LLM 智慧體的確定性資訊流策略引擎,在策略規定資料不得到達某讀者時,提示注入或模型幻覺無法改變該決定。71
ClawMetryCOSS幫助團隊發現、觀察和治理AI代理,監控其活動與成本,並在出現問題時介入控制。65
ArmorClawArmorIQ 推出的 ArmorClaw58
Prompt MinderCOSSPromptMinder 是面向 AI 從業者和團隊的提示詞管理平台,可幫助使用者組織、版本管理、測試和協作分享 AI 提示詞。56
PandaProbeCOSS為開發者和團隊提供智慧體運行追蹤、評估與修復基礎設施,讓智慧體從失敗中學習、驗證修復並複用經驗。54
Claw Patrol面向 AI 代理的開源安全代理,攔截流量、注入代理看不到的憑證,並按你編寫的規則審批操作。52
Oso CloudCOSSOso for Agents 幫助組織發現、監控、檢測和控制公司內的 AI 代理活動,為安全與 IT 團隊提供可視性、策略控制和審計記錄。51
Web Bench為評估網頁瀏覽智慧體的研究人員提供基準資料集和性能排行榜。51
Output開源 TypeScript 框架,幫助 AI 開發團隊通過 Claude Code 構建和管理提示詞、評估、追蹤、成本、安全與持久化執行。48
Extra HeadroomCOSS運行在本地的桌面應用,通過在本地壓縮工具輸出、日誌和樣板文本等上下文來幫 Claude Code 和 ChatGPT Codex 開發者降低約 50% 的 Token 消耗。40
Sinaptic™ AI為多門店企業和特許經營網路整合聊天、文件、CRM、攝像頭等營運資料,識別需追蹤的問題並推動後續行動。37
TracelyMCP為開發 AI 智慧體的團隊提供追蹤與自動評估,將生產失敗轉為回歸測試並在持續整合中阻止問題再次上線。37
ChessArena.ai用於探索大型語言模型下棋表現的平台,並通過 Stockfish 評估棋步品質。35
WhyLabs面向 AI 系統團隊的 AI 可觀測性平台,公司已停止營運,並將完整平台開源以支援後續研究。34
Agentmemoryleaderboard面向智慧體長期記憶能力的統一開源基準測試與評測排行榜。31
RudelCOSSOpaline 為使用 Claude Code 和 Codex 的團隊提供編碼代理會話分析,追蹤成本、時間和使用情況。30
MobileGym為行動端 GUI 智慧體研究提供瀏覽器內的多應用模擬環境,支援可驗證狀態、並行強化學習訓練與確定性評估。29
llm api test現在 LLM 到處都是,接口提供商也一堆。除了官方的 OpenAI 、Anthropic28
Google Sheet WaitlistLoPROMPT 是面向提示詞工程師和 AI 愛好者的提示詞探索、建立、儲存與分享平台,目前處於候補名單階段。26
FrontierHarness Eval針對大模型程式碼智慧體 harness 設定的基準評測報告與開源評估專案。25
AgentsmithCOSS面向提示詞作者和工程師的提示詞 CMS,用於編寫、測試、版本管理和部署 AI 提示詞。24
第 2 / 4 頁 · 當前展示 31–60 / 共 95 個開源專案