什么是 DeepEval? DeepEval 是开源 Python LLM 评测框架（github: confident-ai/deepeval），定位：LLM 应用的单元测试框架。 核心思想：用 LLM-as-a-Judge + 传统 NLP 指标，自动化评估 AI 输出质量，嵌入开发、CI/CD

建立评估体系的目的 保证迭代优化效果 客观衡量模型能力水平：使用可量化的标准，客观衡量模型在各种任务优劣 通过评估体系验证改动是否有效，防止更新模型对Agent工程后能力退化 匹配真实业务需求 适配业务任务，通用基准无法代表行业场景，自建业务测评集，校验模型能够胜任 作为决策依据，不再依靠厂商宣传或