“evaluation” 相关开源项目

《AI Agents: The Definitive Guide》配套代码仓库，以 Jupyter Notebook 演示智能体的设计模式、评估、记忆、成本与安全。

面向编码智能体的 Jev 示例合集，包含 5 个可安装技能和 108 个场景模板。

一个用 Bulls and Cows 猜数字游戏评测大语言模型推理能力的 Python 基准框架，通过 LiteLLM 接入多家模型服务。