EvalForge：面向 LLM 与 AI 智能体的评估证据与发布门禁工具发布于 GitHub

GitHub 开源项目 EvalForge 为 LLM 与 AI 智能体系统提供生产级评估证据和发布门禁，把带版本的测试用例和候选输出转化为可审计报告与机器可读的发布决策。评估默认确定性、离线运行，证据缺失或含糊时默认失败；支持精确/子串/正则指标、阈值与严重度门禁、成本延迟预算、RAG 引用与轨迹检查，并提供 JUnit、SARIF 报告及 GitHub Actions 发布门禁，还可通过 OpenAI 兼容适配器接入模型生成。