ai-chatbot-evals 用真实浏览器检查聊天机器人回答与引用

ai-chatbot-evals 用真实浏览器检查聊天机器人的回答、引用和依据性，并提供 LLM 评审流程。系统使用 Vibium CLI 驱动 Chrome、Codex CLI 回答与评分，并将追踪和评分写入 Langfuse；作者的一次运行包含 7 个提示词、28 项检查，结果为 24 项通过、4 项失败。该项目是小型练习环境，并非标准化 benchmark，且尚未实现相关性和多轮对话检查。