ai-evaluation-framework

这是一个面向模型解决方案的多维评估框架，用于系统化衡量准确性、P95延迟和单位成本三大关键指标。其核心特点是支持按字段定义细粒度评分规则（如identifier、numeric、token-overlap等），结合真实标注用例进行模型无关的基准测试；支持OpenAI/Anthropic及兼容网关，零npm依赖，结果可导出为表格或JSON。适用于文档解析、结构化抽取、表单识别等需严格验证输出正确性的生产级AI应用评估场景。