Python-библиотека для контроля качества данных: команды описывают декларативные Expectations как unit-тесты и формируют отчёты о проверках.
evidentlyai/evidently
Открытый Python-фреймворк для оценки, тестирования и мониторинга ML- и LLM-систем: более 100 встроенных метрик и обнаружение дрейфа.
- Звёзды
- 7,999
- Форки
- 954
- Открытые issues
- 345
- Последний коммит
- 23 дня назад
Что это?
Evidently — открытая Python-библиотека для оценки, тестирования и мониторинга систем машинного обучения и LLM — от экспериментов до эксплуатации. Она работает с табличными и текстовыми данными и позволяет оценивать прогнозные задачи, такие как классификация и регрессия, а также генеративные задачи, например RAG и качество ответов LLM.
Основной рабочий процесс строится вокруг Reports, которые рассчитывают и сводят метрики, и Test Suites, которые добавляют к Report условия pass/fail для регрессионного тестирования, проверок в CI/CD и валидации данных. Reports можно просматривать в Python или экспортировать в JSON, словарь Python либо HTML. Среди встроенных возможностей — обнаружение дрейфа данных, проверки качества данных и LLM-судьи; также можно писать собственные метрики на Python.
Для постоянного мониторинга Evidently предоставляет веб-интерфейс, который отслеживает метрики и результаты тестов во времени. Его можно развернуть самостоятельно из открытого пакета или использовать управляемый сервис Evidently Cloud.
Ключевые возможности
- 01Встроенные метрики для обнаружения дрейфа и оценки качества данных, классификации, регрессии, ранжирования и рекомендаций.
- 02Оценка LLM с помощью текстовых дескрипторов и оценщиков LLM-as-a-judge.
- 03Reports и Test Suites с условиями pass/fail для CI/CD и регрессионных проверок.
- 04Экспорт результатов в HTML, JSON или словари Python.
- 05Самостоятельно разворачиваемый интерфейс мониторинга для отслеживания метрик во времени.
Сценарии использования
- Проверка того, изменилось ли распределение входных данных в эксплуатации относительно обучающих данных.
- Запуск регрессионных тестов для ответов LLM или результатов RAG в CI-пайплайне.
- Проверка качества данных перед обучением модели или запуском пакетных пайплайнов.
- Мониторинг производительности развернутой ML-модели во времени с помощью дашборда.
Быстрый старт
- 1
Установите Evidently из PyPI
pip install evidently - 2
Запустите интерфейс Evidently с демонстрационными проектами
evidently ui --demo-projects all - 3
Откройте localhost:8000 в браузере, чтобы перейти к интерфейсу
Что важно знать
- Некоторые расширенные функции, например оповещения, управление наборами данных и пользователями, а также оценка без кода, доступны только в платном Evidently Cloud, но не в версии с открытым исходным кодом.
Темы
Частые вопросы
- Что такое evidently?
- Открытый Python-фреймворк для оценки, тестирования и мониторинга ML- и LLM-систем: более 100 встроенных метрик и обнаружение дрейфа. Evidently — открытая Python-библиотека для оценки, тестирования и мониторинга систем машинного обучения и LLM — от экспериментов до эксплуатации. Она работает с табличными и текстовыми данными и позволяет оценивать прогнозные задачи, такие как классификация и регрессия, а также генеративные задачи, например RAG и качество ответов LLM.
- evidently можно использовать бесплатно? Какая у него лицензия?
- evidently распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- evidently всё ещё поддерживается?
- Активно поддерживается. Последний коммит в evidently — 29 сент. 2026 г..
- Для чего можно использовать evidently?
- Проверка того, изменилось ли распределение входных данных в эксплуатации относительно обучающих данных. Запуск регрессионных тестов для ответов LLM или результатов RAG в CI-пайплайне. Проверка качества данных перед обучением модели или запуском пакетных пайплайнов. Мониторинг производительности развернутой ML-модели во времени с помощью дашборда.
- Как установить evidently?
- Установите Evidently из PyPI: pip install evidently Запустите интерфейс Evidently с демонстрационными проектами: evidently ui --demo-projects all Откройте localhost:8000 в браузере, чтобы перейти к интерфейсу
- Где скачать evidently?
- Исходный код и инструкции по установке — на GitHub: https://github.com/evidentlyai/evidently
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Open-source платформа для отслеживания и визуализации обучения AI-моделей: метрики, гиперпараметры и статистика оборудования; доступна в облаке или для самостоятельного размещения.
Бесплатный онлайн-курс по MLOps на 9 недель для самостоятельного изучения: трекинг экспериментов, оркестрация, деплой, мониторинг и лучшие практики.
Библиотека Python для создания и запуска API инференса AI-моделей, конвейеров из нескольких моделей и приложений на базе LLM с развёртыванием в Docker и Kubernetes.
Публичный рейтинг LLM по частоте галлюцинаций при кратком пересказе документов на основе оценки моделью HHEM от Vectara.
Открытая Python-платформа для ML- и AI-процессов в виде пайплайнов на собственной или облачной инфраструктуре — от обучения моделей до запуска агентов.