promptfoo的质量评估系统采用测试驱动开发方法，主要工作流程是：
- 开发者首先定义核心用例和可能的失败模式
- 准备一组代表性的提示和测试用例
- 通过YAML配置文件指定要测试的提示、变量和API提供商
- utilization
promptfoo evaluate命令执行评估
评估主要关注以下维度：
- 响应准确性：模型输出是否符合预期
- consistency：相同输入是否产生稳定输出
- safety：是否产生有害或有偏见的内容
- performance：包括响应时间和资源消耗
- 实用性：输出结果在实际场景中的可用性
评估结果可以在网页UI中直观查看，也可以导出为结构化格式用于进一步分析。开发者可以根据这些数据选择最适合其用例的模型和提示策略。
This answer comes from the articlePromptfoo: Providing a Safe and Reliable LLM Application Testing ToolThe
May not be reproduced without permission:AI productivity tools " promptfoo的质量评估功能是如何工作的？具体包含哪些评估维度？
English 
简体中文 
日本語 
Deutsch 
Português do Brasil