promptfoo项目0.107.4版本发布：增强AI测试与评估能力

promptfoo是一个专注于AI模型提示工程和评估的开源工具，它帮助开发者系统地测试、比较和优化各种AI模型的提示效果。该项目通过提供标准化的评估框架，使团队能够量化AI模型的输出质量，确保生成内容的可靠性和一致性。

核心功能更新

本次0.107.4版本带来了多项重要改进，主要集中在OpenAI API支持、Azure助手缓存优化以及Docker环境配置等方面。

OpenAI Responses API集成

项目新增了对OpenAI Responses API的完整支持，这一功能使开发者能够更灵活地处理OpenAI模型的响应数据。通过标准化接口，用户可以轻松获取模型生成的原始响应，包括元数据和中间结果，为深入分析模型行为提供了更多可能性。这项集成特别适合需要细粒度控制响应处理流程的高级用例。

Azure助手缓存机制优化

针对Azure AI助手的缓存行为进行了重要修复。原先版本中，Azure助手的响应缓存可能存在不一致问题，导致相同输入可能返回不同结果。新版本通过改进缓存键生成策略和响应存储机制，确保了测试结果的可重复性，这对于需要精确比较不同提示效果的场景尤为重要。

系统改进与修复

Docker环境配置优化

在Docker部署方面进行了两项关键改进：首先是在容器中创建了专用的.promptfoo目录，解决了权限和持久化存储问题；其次是移除了initContainer，简化了部署流程。这些改动使容器化部署更加稳定可靠，减少了环境配置的复杂性。

Go语言提供程序修复

解决了Go语言提供程序中存在的CallApi函数重复声明问题。这一修复确保了Go语言环境下API调用的稳定性，为使用Go开发自定义评估逻辑的用户提供了更好的开发体验。

安全与测试增强

红队测试功能完善

在安全测试方面，新增了RAG(检索增强生成)系统投毒攻击的测试常量，为检测知识库污染风险提供了标准工具。同时，文档中增加了关于图像红队测试目的的明确指导，帮助用户理解如何有效评估AI模型对恶意图像输入的抵抗能力。

测试覆盖率提升

新增了对核心评估辅助模块(src/evaluatorHelpers.ts)的单元测试，进一步提高了代码质量和可靠性。完善的测试套件是确保评估结果准确性的基础，特别是在自动化测试场景中。

文档与示例丰富

项目文档方面进行了多项补充和优化，包括新增了关于AI模型错误信息的专题博客文章、Azure助手红队测试示例，以及专门的红队测试指南章节。这些资源为不同水平的用户提供了实用的参考材料，特别是那些关注AI安全性的开发者。

总结

promptfoo 0.107.4版本通过多项功能增强和问题修复，进一步巩固了其作为AI提示工程和评估工具的地位。从OpenAI深度集成到安全测试能力完善，这些改进使开发者能够更全面地评估和优化AI系统。特别是对专业用户而言，增强的缓存机制和扩展的API支持为复杂评估场景提供了更强大的工具支持。