confident-ai/deepeval vs mlflow/mlflow

基于当前公开核验快照比较 confident-ai/deepeval 与 mlflow/mlflow 的定位、License、部署方式、适用场景、限制和原始来源。

confident-ai/deepeval

deepeval 是一个类似于 Pytest 的开源大语言模型评估框架，专门用于对 LLM 应用进行单元测试，以评估系统质量并防止 Prompt 漂移。它通过提供一系列现成的指标，帮助开发者在输入数据集后输出量化的指标分数。

mlflow/mlflow 将大语言模型与智能体的追踪、评估、提示词管理、模型网关能力，与传统机器学习的实验追踪、模型注册和部署放在同一平台中。适合希望统一管理人工智能应用与机器学习模型生命周期的团队，但选型前仍需核实数据边界、遥测、资源和外部服务成本要求。

先按必须满足的部署、License 和使用场景排除不合适选项，再打开各自详情核对限制与直接证据。