agent-evaluation

AI 代理的獨立審計。由人類或代理自行執行，以回答 AI 代理經濟中最關鍵的問題：代理是否在執行其應有的任務？使用 iFixAi，您可在 120 秒內得到答案。

🐢 開源的 LLM 代理評估與測試函式庫

下一代 AI 代理優化平台：Cozeloop 提供從開發、除錯、評估到監控的全生命週期管理，解決 AI 代理開發挑戰。

LLM 實驗與 AI 代理的評估與追蹤

用於使用與評估不同 agent 框架的單一介面

AuditPilot：具備可稽核性的企業級 AI 代理，支援以證據為基礎的工作流程、受管工具、評估工具、人工審查與修復交付。

一個精選且無廢話的最佳 AI 代理建構與評估資源庫——論文、部落格、演講、工具、基準測試。由 BenchFlow 維護。

開源 agent 工程平台：用於除錯和改進 AI agent 的追蹤、評估與指標。整合了 LangGraph、CrewAI、Claude Agent SDK 等。

用於瀏覽器 AI 代理日常任務的開源基準測試