Promptfoo 0.104.1版本发布:动态测试用例与LLM评估能力增强
2025-06-09 08:50:29作者:齐冠琰
项目简介
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、比较和优化不同提示词(prompt)及语言模型的表现。通过提供标准化的评估框架,Promptfoo已成为提示工程领域的重要工具。
核心功能更新
动态测试用例支持
本次版本最显著的改进是增加了对动态测试用例的支持。现在开发者可以直接从Python和JavaScript/TypeScript文件中加载测试用例,这带来了几个重要优势:
- 灵活性提升:不再局限于静态配置文件,可以通过编程方式动态生成测试用例
- 复用性增强:可以直接导入现有代码库中的测试逻辑
- 复杂场景覆盖:能够处理需要动态生成输入数据的测试场景
这一特性特别适合那些测试逻辑复杂或需要与其他系统集成的评估场景。
LLM评估标准增强
在模型评估方面,0.104.1版本对llm-rubric
断言功能进行了多项改进:
- 阈值支持:新增了
threshold
参数,允许设置通过评估的最低分数阈值 - 输出解析优化:改进了对LLM评分输出的解析逻辑,现在能够更准确地处理各种评分格式
- 宽松JSON处理:评估时对JSON格式的处理更加宽容,减少了因格式问题导致的误判
这些改进使得基于LLM的自动评估更加可靠和灵活,特别是在需要量化评估模型输出的场景中。
重要功能优化
安全与合规增强
- 有害内容检测:改进了拒绝检测逻辑,能够更准确地识别模型生成的有害或不当内容
- 认证清理:当签名认证被禁用时,会自动清理相关配置信息,避免潜在的安全风险
用户体验改进
- 进度反馈:为长时间运行的任务(如红队测试)添加了进度条支持
- 界面优化:
- 搜索字段增加了清除按钮
- 通过率现在以渐变颜色显示,更直观
- 下拉菜单的视觉布局得到改善
新模型支持
- Bedrock Llama3.3:新增了对AWS Bedrock平台上Llama3.3模型的支持
- Fireworks:集成了Fireworks AI平台作为新的提供商选项
开发者体验提升
- 配置处理:现在能够优雅地处理空配置文件,避免意外中断
- 缓存控制:提供了
deleteFromCache
方法,允许开发者主动清除特定缓存项 - 路径处理:改进了对绝对路径的处理逻辑,使代码导入更加可靠
- 参数覆盖:允许覆盖Alibaba API的基础URL,方便自定义部署场景
技术细节优化
- Go语言提供程序:修复了包含引号的提示词处理问题
- OpenAI聊天补全:增强了边缘情况处理能力
- 动态方法调用:添加了更严格的验证机制
- 依赖更新:升级了多个关键依赖项,包括Vitest和esbuild
总结
Promptfoo 0.104.1版本通过引入动态测试用例支持和增强LLM评估能力,进一步巩固了其作为提示工程评估工具的领导地位。新版本不仅提升了工具的灵活性和可靠性,还通过多项细节优化改善了开发者体验。这些改进使得Promptfoo能够更好地服务于从简单提示词测试到复杂模型评估的各种场景,是AI应用开发者和研究人员不可或缺的工具。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
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~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp音乐播放器项目中的函数调用问题解析2 freeCodeCamp论坛排行榜项目中的错误日志规范要求3 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析4 freeCodeCamp JavaScript高阶函数中的对象引用陷阱解析5 freeCodeCamp全栈开发课程中React实验项目的分类修正6 freeCodeCamp课程视频测验中的Tab键导航问题解析7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析9 freeCodeCamp课程页面空白问题的技术分析与解决方案10 freeCodeCamp博客页面工作坊中的断言方法优化建议
最新内容推荐
PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K

deepin linux kernel
C
22
6

React Native鸿蒙化仓库
C++
192
274

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

🎉 (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
930
553

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

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!
C
423
392

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511