文章盘点 Promptfoo、DeepEval 与 LangSmith 等主流 Agent 评测工具

2026 年 11 月 11 日 08:58，掘金上刊出《Agent 评测工具链盘点：Promptfoo、DeepEval 与 LangSmith》一文，对 Promptfoo、DeepEval 和 LangSmith 三款主流 Agent 评测工具做了盘点。文章延续了此前关于 RAG 应用评测的系列内容，指出开发者在前五篇中已掌握一套完整的测评方法，包括测什么（测评集）、怎么量（指标）、谁来判（评分器），但这套方法当时还停留在文档中。文章定位为适合正在搭建 RAG 与 Agent 应用评测体系的开发者参考。

2026 年 11 月 11 日 08:59，博客园刊出同名文章，同样以 Promptfoo、DeepEval 和 LangSmith 这三款主流评测工具作为盘点对象。博客园版本延续了相同的系列语境，补充说明现有测评方法要变成一份能交给老板的评测报告，中间还隔着一条执行链路，即题怎么批量发出去、结果怎么逐条判、分数如何汇总，并进一步把重点放在批量发测试、逐条判断和自动化生成报告上。至此，这个由前后两篇同名文章组成的系列，把 Promptfoo、DeepEval 与 LangSmith 三款工具确定为承接前五篇评测方法的执行环节，内容落点在于把测评集、指标与评分器串成可用的评测链路。