Arize Phoenix
AI 可观测性领导者 Arize 推出的开源 LLM 评估与追踪套件，擅长 RAG 检索质量分析、幻觉侦测与测试集回归。
📖 产品全景深度剖析与核心架构机理
微软用于支撑 Azure AI Studio 核心应用工程能力的开源套件。Prompt flow 将大模型交互视作严格的软件工程，提供完善的批量评估（Evaluation Runs）与回归测试套件。让开发者在提示词微调或更换模型后，能基于数千条生产基准测试集定量跑出准确率、召回率变化，避免盲目上线。
快速安装 / 生产调用指令
生产推荐
生产推荐
pip install promptflow promptflow-tools && pf flow test --flow ./my_flow
官方仓库/主站直达：https://github.com/microsoft/promptflow
🎯 核心能力与工程性能量化评估
量化回归评估
5.0 / 5.0
5.0 / 5.0
支持针对大批量测试用例自动计算准召率等量化指标
全流程追踪调试
4.9 / 5.0
4.9 / 5.0
可视化观察每次大模型调用的延迟、耗时与 Token 开销
Azure 生产无缝对接
4.9 / 5.0
4.9 / 5.0
与微软云 Azure AI 生态深度融合，一键转为生产端点
工程严谨度
4.9 / 5.0
4.9 / 5.0
将 AI 开发带入传统 CI/CD 软件工程的标准化轨道
数据统计
相关导航
Ragas
RAG（检索增强生成）系统量化评估的全球黄金基准，基于忠实度、答案相关性等指标实现自动化无人值守质检打分。
LiteLLM
用统一的 OpenAI 格式调用全球 100+ 种大模型 API（Claude、Bedrock、Ollama），自带代理网关与费用管控。
Haystack
德国 deepset 研发的工业级模块化 NLP 与 RAG 框架，主打高性能语义搜索管道、极简组件化与生产健壮性。
Semantic Kernel
微软官方企业级 AI 软件开发套件，支持 C#、Python 与 Java，专为将大模型无缝融入现代大型企业级软件架构而生。
LangChain
全球大模型应用开发的事实标准框架，拥有最庞大的工具生态与组件集成，赋能开发者构建复杂的认知智能链条。
Flowise
完全开源的可视化大模型工作流搭建器，用拖拽连线方式快速组装 LangChain 逻辑链与多智能体系统，支持一键嵌入网站。
Weaviate
支持同时存储原始数据对象与向量的多模态 AI 数据库，内置混合搜索（BM25 + Vector）与重排序（Reranking）。