promptfoo项目0.114.1版本发布:强化红队测试与HTTP响应处理
promptfoo是一个专注于AI提示工程和测试的开源框架,它帮助开发者评估和改进AI模型的提示效果。该项目通过自动化测试、对比分析和红队测试等方法,确保AI系统生成的内容质量、安全性和可靠性。
红队测试功能增强
本次0.114.1版本在红队测试方面进行了多项改进。首先引入了目标发现代理(Target Discovery Agent)功能,这是一个重要的安全测试组件,能够自动识别和定位系统中的潜在攻击面。这项功能特别适用于评估AI系统的安全边界和防御能力。
在红队测试的应用场景方面,开发团队优化了应用目的页面处理逻辑,修复了未定义值的问题,使测试场景的设置更加稳定可靠。此外,还对多个评分器(grader)进行了优化调整,提升了评分准确性和一致性。
OpenAI MCP协议支持
对于使用OpenAI模型的开发者,这个版本新增了对Model Context Protocol(MCP)的支持。MCP是OpenAI提供的一种协议规范,它允许更精细地控制模型上下文信息的传递和处理。这项改进使得promptfoo能够更好地与OpenAI的Responses API集成,为开发者提供更丰富的模型交互能力。
HTTP响应处理优化
在HTTP提供者方面,本次更新做了两处重要改进。首先是将HTTP响应数据统一移至元数据字段,这种结构调整使得响应数据的组织更加清晰合理。其次是确保始终包含原始HTTP输出、状态码和状态文本,这一改进大大增强了调试能力,开发者可以更全面地了解每次HTTP请求的完整情况。
安全与配置改进
安全方面,本次更新放宽了私钥验证规则,这一调整使得项目在特定环境下的部署更加灵活。虽然放宽了验证,但开发团队仍建议在安全要求高的场景下使用严格的密钥管理策略。
提示工程增强
在提示模板方面,开发团队为Crescendo提示和GOAT生成添加了目的(purpose)字段。这些改进使得提示的意图更加明确,有助于生成更符合预期的AI响应。对于从事提示工程的开发者来说,这些细节优化能够显著提升工作效率。
开发者体验优化
在开发者工具方面,项目将readline实用程序集中管理,解决了Jest测试中的打开句柄问题。这一改进虽然看似微小,但对于使用Jest进行单元测试的开发者来说,能够避免一些棘手的资源管理问题。
总体而言,promptfoo 0.114.1版本在红队测试能力、HTTP处理、安全配置和开发者体验等方面都做出了有价值的改进,进一步巩固了其作为AI提示测试框架的地位。这些更新特别适合需要进行严格AI系统测试和安全评估的开发团队。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00