Promptfoo 0.103.13版本发布:HTTP签名认证与安全增强
Promptfoo是一个开源的提示工程测试框架,它允许开发者和研究人员系统地评估和比较不同提示(prompt)在各种条件下的表现。通过Promptfoo,用户可以轻松地创建测试套件,运行自动化评估,并获得详细的性能报告。
核心功能更新
HTTP提供者签名认证支持
本次版本最重要的更新之一是增加了对HTTP提供者签名认证的支持。这一功能允许用户在调用HTTP API时使用数字签名进行身份验证,大大增强了API调用的安全性。
数字签名认证的工作原理是使用密钥对请求内容进行加密签名,服务端通过验证签名来确认请求的合法性和完整性。这种方式比传统的API密钥更安全,因为它可以防止请求在传输过程中被篡改。
安全测试功能增强
在安全测试方面,新版本增加了防护栏(guardrail)选项。防护栏是一种安全机制,用于限制或监控AI模型的输出,防止生成有害或不适当的内容。这一功能对于企业级应用尤为重要,可以帮助开发者更好地控制AI系统的行为边界。
同时,安全测试的转换响应功能也得到了更新,使得测试结果的呈现更加清晰和有用。
安全性与稳定性改进
安全传输设置修正
新版本修复了fetch模块中与安全传输设置相关的问题。安全传输是现代网络通信中保障数据安全的关键技术。正确的安全传输配置对于确保通过中间服务器的连接安全至关重要。
敏感数据保护
在调试日志方面,Promptfoo现在会自动清理敏感数据,防止密钥、令牌等敏感信息意外泄露到日志中。这一改进符合安全开发最佳实践,有助于保护用户数据安全。
开发者体验优化
日志与测试计数格式化
安全测试的日志输出和测试计数显示得到了优化,使得开发者能够更清晰地了解测试进度和结果。良好的日志格式对于调试和问题排查至关重要。
依赖项更新
项目维护了最新的依赖版本,包括Vite构建工具的多个版本更新。保持依赖项最新有助于获得性能改进和安全补丁。
技术实现细节
HTTP签名认证的实现采用了标准的HTTP签名方案,遵循IETF相关规范。这种认证方式特别适合需要高安全性的API交互场景,如金融、医疗等敏感领域。
在安全测试方面,防护栏功能的实现可能涉及内容过滤、输出限制等多种技术手段,具体取决于底层模型和部署环境。Promptfoo通过提供标准化的接口,使得这些安全机制可以方便地集成到测试流程中。
总结
Promptfoo 0.103.13版本在安全性和功能性方面都有显著提升。HTTP签名认证的加入为需要高安全级别认证的场景提供了支持,而安全测试功能的增强则使安全测试更加全面。同时,多项安全改进和开发者体验优化使得这个版本更加稳定可靠。
对于正在使用Promptfoo进行AI提示工程测试的团队,特别是那些关注安全性和合规性的企业用户,升级到这个版本将获得更好的安全保障和测试能力。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00