TruLens

Ragas es un framework para evaluar sistemas RAG con varias metricas incluyendo fidelidad, relevancia de respuestas y precision del contexto.

DeepEval es un framework de evaluacion de codigo abierto para aplicaciones LLM.

Phoenix es una herramienta de codigo abierto para observar y depurar aplicaciones de IA, especialmente LLMs.

Haystack es un framework de codigo abierto para construir aplicaciones NLP y sistemas de busqueda con LLMs.