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 15:43:11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
- 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
收起

React Native鸿蒙化仓库
C++
178
262

🎉 (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
866
513

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
183

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
261
302

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
598
57

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
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K