promptfoo 0.113.3版本发布:提升测试框架稳定性与功能优化
promptfoo是一个专注于AI提示工程的开源测试框架,它帮助开发者系统地评估和比较不同提示词(prompt)的效果。通过自动化测试、评分和可视化比较,promptfoo使AI应用开发团队能够更高效地优化提示词质量。
核心修复与改进
状态对象处理优化
本次版本修复了当state.answer包含对象类型数据时可能出现的Zod验证错误。Zod是一个TypeScript的schema验证库,promptfoo使用它来确保测试过程中数据的完整性和一致性。这个修复使得框架能够更稳定地处理复杂的数据结构,特别是在处理AI模型返回的嵌套JSON响应时。
云端测试工作流增强
针对云端测试场景,开发团队做出了两项重要改进:
-
当从云端加载redteam测试文件时,现在会正确使用当前工作目录作为基准路径。这一改动解决了之前可能出现的路径解析问题,确保了测试文件和相关资源能够被正确加载。
-
增加了对无效命令组合的明确错误提示。当用户尝试运行"redteam run"命令时,如果指定了云端目标但没有提供必要的配置,系统现在会抛出清晰的错误信息,而不是静默失败或产生不可预期的行为。这种显式的错误处理大大提升了开发体验。
性别偏见检测插件改进
性别偏见检测插件(bias:gender)得到了重要修复。这个插件用于评估AI模型输出中可能存在的性别偏见问题。修复后的版本能够更准确地生成测试用例,帮助开发者识别和消除模型响应中的潜在偏见,这对于构建公平、包容的AI应用至关重要。
技术栈更新
项目持续保持对依赖库的更新:
- OpenAI客户端库从4.100.0升级到4.103.0
- AWS Bedrock运行时客户端从3.812.0升级到3.816.0
- Anthropic SDK从0.51.0升级到0.52.0
这些更新不仅带来了性能改进和新功能支持,也确保了与各AI平台API的兼容性。
监控与构建优化
为了更好理解用户如何使用redteam功能,开发团队在遥测数据中添加了isRedteam属性。这种细粒度的使用数据收集有助于团队优先开发最常用的功能,同时不会影响用户隐私。
构建系统也得到了增强,将构建作业的超时时间从3分钟延长到4分钟,以应对日益复杂的构建需求,确保大型项目的构建过程能够顺利完成。
总结
promptfoo 0.113.3版本虽然没有引入重大新功能,但在稳定性、错误处理和用户体验方面做出了多项重要改进。这些看似微小的优化实际上对于日常使用promptfoo进行AI提示词测试和评估的开发者来说意义重大,它们共同提升了框架的可靠性和开发效率。
- 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
- 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
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~062CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava05GitCode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。07GOT-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!C0381- 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









