dsh-llm-eval

LLM 评估：输出质量评估、幻觉检测、基准测试、回归守护。受 wshobson/agents（38k★ MIT）启发。

AI Analysis

核心用途是评估大语言模型应用的输出质量。适合需要对 LLM 应用进行幻觉检测、基准测试、构建测试集并输出评估报告的算法与工程人员。

$npx -p @deepseek-ai/dsh dsh plugin --profile web add github:satan9394/dsh-llm-eval

对 agent 说"评估这个 LLM 应用 / 检测幻觉"，llm-eval 技能输出评估报告（维度/测试集/通过率/失败模式）。