Promptfoo 0.103.4版本发布:增强测试过滤与断言功能
Promptfoo是一个专注于大语言模型(Large Language Model)测试和评估的开源框架。它允许开发者系统地测试不同提示词(Prompt)的效果,比较不同模型或配置的输出,并确保AI系统的可靠性和安全性。本次0.103.4版本的更新主要围绕测试过滤、断言功能增强和安全性测试改进三个方面展开。
核心功能增强
测试结果过滤功能
新版本在命令行工具中增加了--filter-errors-only
参数,这是一个实用的测试结果过滤功能。当执行eval
命令时,使用该参数可以只显示包含错误的测试用例,帮助开发者快速定位问题。这个功能特别适合在持续集成(CI)环境中使用,可以显著减少日志噪音,让开发者专注于需要修复的问题。
F5提供商支持
框架新增了对F5提供商的占位支持。F5作为知名的应用交付和安全解决方案提供商,其集成将为用户提供更多部署选项。虽然当前版本只是占位实现,但为后续完整支持奠定了基础。
外部断言功能强化
断言系统是Promptfoo的核心组件之一,本次更新对其进行了多项改进:
-
现在可以在外部断言中指定函数名称,这为复杂测试场景提供了更大的灵活性。开发者可以更精确地控制断言逻辑的执行方式。
-
修复了Python断言中引用配置的问题,确保其行为与文档示例一致。这个修复使得Python断言更加可靠,特别是在需要访问测试配置信息的场景下。
-
改进了断言示例,并调整了默认使用的模型为GPT4-mini,这有助于提高断言执行的效率和成本效益。
安全测试改进
Promptfoo的安全测试功能在本版本中获得了多项增强:
-
改进了树状策略的评分机制,使其对潜在安全风险的识别更加准确。
-
优化了迭代式测试提供商的测试用例评分系统,提高了测试的精确度。
-
调整了树节点选择算法并增加了元数据支持,这使得测试过程更加透明,结果更易于分析。
-
减少了迭代式图像提供商的拒绝率,提高了测试的覆盖面和有效性。
-
新增了英语语言的网络安全评估内容,扩展了安全测试的覆盖范围。
开发者体验优化
-
改进了Web界面中元数据的展开/收起处理,使测试结果的浏览更加流畅。
-
增强了提供商覆盖设置的显示,确保配置信息准确呈现。
-
为WatsonX AI提供商增加了对WATSONX_AI_AUTH_TYPE环境变量的支持,简化了认证配置。
-
在Llama提供商中添加了调试日志,便于问题排查。
-
改进了测试的设置和清理过程,提高了测试的可靠性。
文档与示例改进
-
安全配置对话框的内容更加清晰,帮助用户更快上手复杂的安全测试场景。
-
文档中增加了暗黑模式支持,改善了阅读体验。
-
插件列表现在按pluginId排序,查找更加方便。
-
更新了LLM安全类型文档,反映了最新的安全研究成果。
-
修正了G-Eval页面的拼写错误,提高了文档的准确性。
技术细节优化
-
更新了多个依赖项到最新版本,包括@aws-sdk/client-bedrock-runtime和openai等关键库。
-
解决了依赖锁定文件中的问题,确保构建过程的稳定性。
-
为提供商测试响应添加了类型定义,增强了代码的类型安全性。
Promptfoo 0.103.4版本通过这些改进,进一步巩固了其作为大语言模型测试首选工具的地位。无论是常规的提示词测试,还是复杂的安全评估场景,新版本都提供了更强大、更可靠的功能支持。对于重视AI系统质量和安全性的团队来说,升级到这个版本将获得更完善的测试能力和更流畅的开发体验。
- 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









