7 款 LLM 评测工具横向对比：promptfoo、DeepEval、Ragas 等如何选

7 款 LLM 评测工具按“代码内运行的库”和“存储 trace 与实验的平台”分类，并分别匹配提示词回归、CI 测试、检索评分与托管实验等场景。promptfoo、DeepEval、Ragas、Langfuse、Arize Phoenix、LangSmith 和 Braintrust 各有侧重，建议先从真实流量手工标注几十个样本，再信任自动化指标。