DeepEval - pruebas unitarias para LLM

• La filosofía básica es "Pytest for LLM"
• Para pasar a producción, ofrece una forma al estilo Python de ejecutar evaluaciones offline sobre pipelines de LLM
• Permite escribir pruebas para aplicaciones de LLM (como RAG) igual que si estuvieras escribiendo pruebas unitarias en Python
• A través de assert_llm_output, evalúa respuestas con métricas como entailment / exact / bertscore
• También permite configurar métricas personalizadas y modificar las métricas existentes