提示词、评测与可观测行情

提示词、评测与可观测 · 首发于 Show HN

共 189 个产品
产品与研究指标
产品月访问 · 10月操作
MLflow开源面向各类团队的开源 AI 工程平台,用于追踪、调试、评估、监控和优化大语言模型应用、智能体及机器学习模型。148K
Promptfoo开源为开发者和企业提供AI应用安全测试与漏洞检测工具。107.8K
YuppYupp 曾为全球用户免费提供多种 AI 模型的访问和比较体验。103.6K
PromptLayer面向 AI 工程团队的提示词管理、评估和可观测性平台,帮助团队协作编辑提示词、测试工作流并监控生产环境中的 AI 应用。85.9K
BenchmarkList公开的 AI 基准测试、模型评分及结果来源索引与数据库。65.7K
Coarena计算机使用 AI 智能体对比评估与排行榜平台,支持对两个 Agent 在真实研究与操作任务中进行双盲对比打分与评测。59K
Claude Tuner开源Chrome 扩展和网页仪表板,帮助开发者和团队跟踪 Claude、ChatGPT 与 Gemini 的使用量、限制和重置时间,并提供预测与计划分析。46.5K
RaindropMCP开源帮助开发智能体的团队追踪运行过程、自动发现和调查生产故障,并通过模拟和实验验证修复。42.8K
VerifyWise开源为合规、安全和治理团队提供 AI 系统登记、风险评估、政策审批、模型评测和审计证据管理平台,支持云端与自托管部署。37.3K
AgnostMCPAgnost监控生产环境中的AI代理,帮助团队发现故障、检查运行轨迹并验证修复。30.3K
DrivingBenchMCP开源评估前沿语言模型通过控制真实汽车在锥桶路线上行驶表现的基准测试与排行榜平台。29.8K
Neuronpedia开源开源可解释性平台,供用户探索、可视化和调整 AI 模型的内部机制。28.6K
Oso Cloud开源Oso for Agents 帮助组织发现、监控、检测和控制公司内的 AI 代理活动,为安全与 IT 团队提供可视性、策略控制和审计记录。28.1K
LocalScore开源面向本地运行大语言模型的用户的开源基准测试工具,用来衡量模型在你的硬件上的推理速度并公开对比结果。21.4K
Big Prompt Hub为设计师、开发者、营销人员和内容创作者提供 AI 技能、提示词系统、工作流及创作模板的资源库。20K
PROMPTMETHEUS面向个人和团队的提示词工程工具,用于编写、测试和优化大语言模型应用、智能体及工作流的提示词。17.1K
Valohai为机器学习团队提供 MLOps 平台,用于构建、评估、部署和管理模型及其数据流水线。12.8K
KastraMCP面向 AI 系统的运行时授权层,在提示、工具调用、命令和 API 请求执行前做策略判定,供开发者与企业治理智能体行为。10.6K
ProgramBench开源基准,用来评估语言模型能否在看不到源代码的情况下从零重新实现程序。10.2K
OpenAPPAMCP开源面向 LLM 智能体的确定性信息流策略引擎,在策略规定数据不得到达某读者时,提示注入或模型幻觉无法改变该决定。9.4K
Rival开源免费在线博物馆,保存并展示不同模型对相同问题的回答,供人们浏览和比较。9.2K
HoneyHiveMCP开源面向企业的智能体可观测与评估平台,用来追踪、评估、监控并改进生产环境中的 AI 智能体。8.8K
EEBenchatopile 建立的电气工程智能体基准,用仿真与物料清单约束衡量前沿模型完成硬件设计任务的表现。7.4K
Agentmemoryleaderboard开源面向智能体长期记忆能力的统一开源基准测试与评测排行榜。7.3K
Span为工程团队提供工程智能平台,连接AI编程代理轨迹与代码、PR及交付结果,帮助衡量效率并改进工程流程。7.1K
Tiny AI Arena开源展示不同AI模型对战天梯榜与比赛录像回放的网页平台。6.4K
Scorecard为构建 AI 产品的团队提供智能体场景模拟、提示词管理和评估工具,帮助发现问题并改进生产部署。6.3K
Openlit开源面向开发者和生产团队的开源可自托管平台,用于追踪、评估和保护 AI 智能体,并管理提示词、密钥、成本及 GPU 监控。6K
AI Benchy人工智能模型基准评测排行榜与对比分析平台,帮助用户了解不同模型的得分、可靠性、响应速度及成本性价比。5.5K
SWE-sweep开源基准,用来评测编程智能体在没有漏洞提示的真实代码库中自主发现并修复尽可能多漏洞的能力。5.4K
OpenPrompt让用户创建、发现、使用并保存自定义 ChatGPT 提示词。5.3K
Kelet为构建并运营生产环境AI代理的团队分析代理追踪数据,定位故障根因并生成修复建议。<5K
APort为企业团队和开发者提供AI代理身份护照、执行前策略授权与审计证据。<5K
Agentic Control PlaneMCP为开发者和团队提供 AI 智能体调用的权限管控、审批、成本追踪与审计。<5K
OpenPipe开源OpenPipe 在 2025 年被 CoreWeave 收购后,已将包括模型蒸馏在内的核心功能迁移到 CoreWeave 平台,并继续支持开源 ART 训练器。<5K
LMQL开源面向大语言模型的编程语言,用类型、模板和约束实现稳健、模块化的提示。<5K
ComposoMCP开源为医疗、金融、客服、法律等领域的 AI 团队提供可自我改进的评估代理,在生产中评判 AI 输出并发现失败模式。<5K
Trainly为开发者和运行AI流水线的团队提供生产环境中的AI可观测、追踪、评分与故障防护。<5K
NoPII开源透明反向代理,用于在敏感个人身份信息发送至 LLM API 前自动进行检测与去标识化,并在模型返回时自动还原。<5K
Thisorthisthisorthis.ai让人们每月投票选出最好的 AI,并查看排行榜和各地偏好。<5K
Opsmeter.io帮助生产环境中的AI团队追踪并控制模型调用成本,定位到端点、提示词、租户和用户。<5K
Caber面向企业内容与工程师,在片段进入 AI 模型前关联各系统中的副本,并按新鲜度与数据使用策略决定放行、遮蔽、替换或拦截。<5K
RAG Doctor开源用于分析检索增强生成(RAG)管道、排查架构问题并提供确定性根本原因诊断的开源命令行工具。<5K
Rampart开源开源的 AI 代理工具策略控制层,帮助用户按规则允许、审批或阻止代理操作,并记录决策。<5K
Tork Network为银行、资产融资、租赁及现场运营等组织提供多种 AI 产品,并通过统一审计链治理和记录 AI 调用。<5K
Foglamp开源为使用Vercel AI SDK构建AI应用的团队提供可观测性,帮助追踪调用成本、延迟、质量、轨迹和评估。<5K
FrontierHarness Eval开源针对大模型代码智能体 harness 配置的基准评测报告与开源评估项目。<5K
Mubit通过运行时校准、任务专属模型和经过评估的经验改进代理表现,面向使用代理的个人与团队。<5K
Seclai为构建和部署AI应用的团队提供生产级基础设施,用于创建AI代理、管理模型、评估输出并实施治理。<5K
Semantic Overlays开源通过对选定文本跨度应用训练适配器来改变语言模型的响应,可用于防止提示注入及传递其他标记信息。<5K
第 1 / 4 页 · 当前展示 1–50 / 共 189 个产品