EvalDesk 开源：像批注文档一样评测 AI 产品对话日志

ganeshiyer316 发布开源工具 EvalDesk，用于加载 AI 产品的对话日志、逐条批注，并把笔记整理成命名的失败模式、可对照个人判断打分的 LLM judges，以及可在每次改动后重跑的测试用例。它遵循 Hamel Husain 与 Shreya Shankar 的 AI evals 课程中的错误分析方法（开放编码、轴心编码、LLM judges），内置 Payments、Healthcare、General 三个领域包，页面完全在浏览器运行、无账号无服务器，可选的 AI 功能使用用户自己的 OpenRouter key 且仅限零数据保留的供应商，需 Node 22 或以上，MIT 许可。