promptfoo

从现有证据看，promptfoo 已经是“值得采用、但更偏工程团队”的成熟开源评测工具，而不是只靠话题热度冒出来的新项目。采用判断主要来自官方 GitHub 仓库对能力边界的明确描述，以及少量开发者帖子把它用于 benchmark、回归检查、CI 执行和失败定位；这些比单纯的 stars 或转发更能说明它确实进入了实际工作流。另一方面，GitHub 2.3 万星和社媒转发只能证明它很受关注，不能单独证明评测结果一定可靠。