promptfoo 0.109.0版本发布:增强评估能力与插件生态
promptfoo是一个专注于提示工程和语言模型评估的开源工具,它帮助开发者测试、比较和优化不同提示词和语言模型的表现。该项目通过自动化测试和可视化界面,让开发者能够更高效地进行提示词迭代和模型评估。
核心功能增强
本次0.109.0版本在评估功能方面进行了重要改进。评估系统现在能够精确追踪断言(assertion)过程中消耗的token数量,这一改进使得开发者能够更准确地计算整体token使用量,特别是在进行复杂评估时。token计数的精确化对于成本控制和性能优化具有重要意义,特别是在大规模评估场景下。
插件生态系统扩展
新版本引入了多个重要插件,进一步丰富了promptfoo的生态系统:
-
CCA插件:这是一个全新的评估插件,提供了专门的文档评分器(grader)功能。该插件能够帮助开发者更精确地评估模型输出的质量,特别是在内容准确性和一致性方面。
-
llms.txt插件:这个插件经过重构,现在采用TypeScript编写,提高了代码的可维护性和类型安全性。该插件主要用于处理和管理语言模型相关的文本数据。
这些插件的加入使得promptfoo能够支持更广泛的评估场景和更专业的评估需求。
新提供商集成
在模型提供商支持方面,0.109.0版本新增了两项重要集成:
-
Google函数调用支持:现在开发者可以在promptfoo中测试和评估Google提供的函数调用能力,这对于构建基于函数调用的复杂应用场景特别有价值。
-
Lambda Labs集成:新增了对Lambda Labs平台的支持,为开发者提供了更多模型选择和部署选项。
这些新增的提供商集成使得promptfoo能够覆盖更广泛的模型生态系统,满足不同开发者的需求。
用户体验改进
在用户界面和体验方面,本次更新带来了多项优化:
-
评估结果展示:新增了通过率(pass rate)列,使开发者能够一目了然地看到各个测试项的通过情况,提高了结果的可读性。
-
提供商选择器:重新设计了创建评估页面中的提供商选择器,使模型选择更加直观和便捷。
-
API路由规范化:所有API路由现在都统一使用"/api/v1/"前缀,提高了API的一致性和可维护性。
问题修复与稳定性提升
本次版本修复了几个关键问题:
-
解决了在配置文件中缺少"providers"键时生成数据集失败的问题,提高了工具的健壮性。
-
修复了当选择未知模型时可能导致服务器崩溃的问题,增强了系统的稳定性。
这些改进使得promptfoo在各种使用场景下都能提供更可靠的表现。
总结
promptfoo 0.109.0版本在评估能力、插件生态、提供商支持和用户体验等方面都做出了重要改进。新加入的token追踪功能、CCA插件和Google函数调用支持等特性,使得开发者能够进行更精确、更全面的模型评估。同时,界面优化和问题修复也提升了整体的使用体验。这些改进共同推动promptfoo成为一个更加强大和易用的提示工程评估工具。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~050CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0302- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









