文章盤點 Promptfoo、DeepEval 與 LangSmith 等主流 Agent 評測工具

2026 年 11 月 11 日 08:58，掘金上刊出《Agent 評測工具鏈盤點：Promptfoo、DeepEval 與 LangSmith》一文，對 Promptfoo、DeepEval 和 LangSmith 三款主流 Agent 評測工具做了盤點。文章延續了此前關於 RAG 應用評測的系列內容，指出開發者在前五篇中已掌握一套完整的測評方法，包括測什麼（測評集）、怎麼量（指標）、誰來判（評分器），但這套方法當時還停留在文件中。文章定位為適合正在搭建 RAG 與 Agent 應用評測體系的開發者參考。

2026 年 11 月 11 日 08:59，部落格園刊出同名文章，同樣以 Promptfoo、DeepEval 和 LangSmith 這三款主流評測工具作為盤點物件。部落格園版本延續了相同的系列語境，補充說明現有測評方法要變成一份能交給老闆的評測報告，中間還隔著一條執行鏈路，即題怎麼批次發出去、結果怎麼逐條判、分數如何彙總，並進一步把重點放在批次發測試、逐條判斷和自動化生成報告上。至此，這個由前後兩篇同名文章組成的系列，把 Promptfoo、DeepEval 與 LangSmith 三款工具確定為承接前五篇評測方法的執行環節，內容落點在於把測評集、指標與評分器串成可用的評測鏈路。