主流的开源 Agent 评估框架有哪些，各自特点是什么？

1. DeepEval

• 以 Pytest 风格编写评估用例，Apache 2.0 开源，内置丰富指标并支持工具调用评估，适合接入 CI/CD 做回归测试

2. Ragas

• Apache 2.0 开源，专注检索增强生成（RAG）的上下文精度、召回、忠实度等指标

3. Arize Phoenix

• 基于 OpenTelemetry 的追踪与可观测平台，提供轨迹分析与生产诊断，源码可自托管

4. Langfuse

• MIT 许可、可自托管，提供 Trace、LLM 裁判、标注队列与生产评分，2026 年被 ClickHouse 收购仍保留开源核心

5. LangSmith

• 与 LangChain / LangGraph 生态深度集成，提供追踪、数据集、在线 / 离线评估，适合该生态内的 Agent 团队

6. OpenAI Evals 与 Giskard

• OpenAI Evals 轻量开源、以基准测试见长；Giskard 为 Apache 2.0 的 Agent 场景测试与漏洞扫描框架

7. 选型建议

• 多数团队采用"两层组合"：用离线评估框架（如 DeepEval / Ragas）做回归，配合可观测平台（如 Phoenix / Langfuse）做生产可见性