agentstats：面向 AI 智能体评测的统计分析工具

agentstats 是一套面向 AI 智能体系统的评测工具，通过置信区间、配对检验和非劣效性检验判断版本与模型切换是否可靠。支持读取 Harbor、Inspect AI、Langfuse、OpenTelemetry 等轨迹数据，提供 PR 门禁、夜间回归、生产监控、LLM judge 检查及评测集审计功能，可用 pip install agentstats 快速安装。