Promptfoo 0.112.8版本发布:多语言组合与安全测试增强
2025-06-09 14:37:31作者:宗隆裙
Promptfoo是一个专注于AI提示工程和模型评估的开源工具,它帮助开发者系统地测试、比较和优化不同AI模型的提示效果。该工具支持多种主流AI提供商,并提供丰富的评估指标和测试策略。
多语言组合功能升级
本次版本最显著的改进是引入了多语言组合功能。开发团队对多语言策略进行了深度优化,显著提升了其性能和可靠性。具体来说:
- 原有的"other-encodings"策略被拆分为独立的摩尔斯电码和猪拉丁语策略,这种模块化设计使得每种编码策略可以单独使用和优化
- 在安全测试场景中,系统现在能够正确处理多语言进度条的显示问题,确保用户界面与命令行状态保持一致
- 针对多语言测试场景,优化了测试计数逻辑,确保在多策略并行执行时能够准确统计测试用例数量
安全测试与评估改进
在安全测试方面,本次更新包含多项重要修复:
- 视频测试中存在的潜在问题得到解决,消除了可能导致测试中断的隐患
- 评估选项在YAML编辑器中的移除操作现在能够正确执行
- afterAll钩子函数现在能够获取完整的测试结果上下文,为测试后处理提供了更全面的数据支持
- 测试计数逻辑在多策略场景下的准确性得到提升
提供商支持与模型更新
在模型提供商支持方面,本次更新包含以下改进:
- AI21实验室的响应验证机制得到增强,确保API返回结果的正确性
- 新增对OpenAI codex-mini-latest模型的支持
- OpenAI聊天模型别名现在使用最新的默认模型配置
- 默认模型ID已更新以符合最新的命名规范
开发者体验优化
针对开发者体验,本次更新做了多项改进:
- 文档页面新增Markdown格式复制按钮,方便开发者快速获取示例代码
- 评估对话框现在会显示当前选中的评估配置,提高操作的可视化程度
- 提示后缀的帮助文本进行了更新,使其更加清晰易懂
- 结果共享时的内存使用效率得到优化
- Google Sheets数据获取现在使用代理助手,提高了可靠性
文档与测试增强
文档方面进行了多项改进:
- 新增医疗代理的curl使用示例
- CLI文档内容得到更新
- 代码块标题格式进行了标准化处理
- 所有示例项目的README文件都添加了统一的初始化命令
测试覆盖范围继续扩大:
- 新增了安全测试发现和生成命令的单元测试
- 添加了AI21提供商模块的单元测试
- 评估命令和评估辅助函数的测试覆盖率得到提升
性能与稳定性
本次更新还包含多项底层优化:
- 密码学在SageMaker提供商中的使用更加简化
- 远程MCP服务器的头部支持得到增强
- 依赖项更新至最新稳定版本
- 遥测系统的密钥配置问题得到修复
Promptfoo 0.112.8版本通过这些改进,进一步巩固了其作为AI提示工程和模型评估领域领先工具的地位,特别是在多语言处理和安全测试方面的能力得到了显著提升。开发团队持续关注开发者体验和系统稳定性,使得该工具在复杂AI应用开发中变得更加可靠和易用。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0150- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
731
4.74 K
Ascend Extension for PyTorch
Python
610
794
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1 K
1.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
433
392
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.16 K
150
暂无简介
Dart
983
252
Oohos_react_native
React Native鸿蒙化仓库
C++
348
401
昇腾LLM分布式训练框架
Python
166
198
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.67 K
987