应用评测与监控
共 138 个AI 用户与开发者推荐的应用评测与监控。
Edgee
edgee.aiAgent 网关,通过智能路由与 token 压缩为编程 Agent 降低最高 70% 成本,无需改代码。
AgenticRL-Bench
agenticrl-bench.env-lab.aiEigent AI 推出的智能体强化学习基准,含 22 项真实任务与排行榜,覆盖调试到训练。
实时监控 Claude Code 与 Codex 的本地仪表盘,追踪会话、工具调用与子代理编排。
Cogniphic 开源的编程 Agent 基准测试仓库,对比 Forge 与 Claude Code、Codex 在 SWE-bench 上的成功率、token 与成本。
面向 AI Agent 的持续训练平台,把生产 trace 转成微调模型与评测,支持自托管。
开源 CLI 工具,分析 AI Agent 的 LLM 调用记录,找出可删除、缓存或换小模型的冗余推理调用
Cobalt Cockpit
cobaltcockpit.devClaude Code 插件,提供任务进度 HUD、子代理编排与验证门禁,确保完成前有证据。
面向 LLM 与 Agent 应用的可观测性、监控与评测 Python SDK,支持追踪、调试、自托管仪表盘与执行图分析。
开源本地工具,把 Claude Code、Codex、Cursor 等编程 Agent 的会话回放成地图与时间线,看清它读了什么、改了什么、哪里失败。
开源工具,通过短问题回答分布对模型行为做指纹比对,检测 API 中转站是否真实提供所申报的模型。
本地 LLM 成本追踪代理,为 OpenAI、Anthropic、Gemini 等调用生成逐次计费与失败凭证
CloudOpsBench
cloudopsbench.ai面向云运维的 AI Agent 基准测试站,提供可复现评测、排行榜与任务记录。
通过 Hook 事件实时监控 Claude Code 多智能体运行的可观测性系统,含实时仪表盘。
SineFrame M3
m3.sineframe.com面向 MCP 服务器的 pytest 测试框架,用真实 Claude Code、Codex 等 Agent 验证工具调用并在 CI 中拦截回归。