富永 真琴

タスクごとのルーブリックを使って、複数の LLM の出力を別の LLM に評価させ、結果を並べて比較できるデスクトップアプリです。 バックエンドは Python / FastAPI、フロントエンドは React です。複数のプロバイダを差し替えられる構成にして、評価結果の保存とコスト推定を含めています。GitHub Actions で Linux 用 AppImage と Windows 用バンドルをビルドして配布しています。