n8n 搭建跨厂商双评审 LLM-as-Judge 评估流水线

ZtasnimS75 · reddit · 2026-11-19

作者在 n8n 中构建了一条 LLM-as-Judge 评估流水线,核心思路是用两家不同提供商的独立评审模型打分,避免同家族模型的自偏好,并把评审分歧本身作为可靠性指标。

设计

局限:5 题只是演示,统计意义不足;人工标签需替换为自己的;评审无法返回合法 JSON 时记 1 分可能低估候选。工作流 JSON 和建表 SQL 已开源,作者征询是否加第三评审或平票规则。

原文链接 →

「编程与Agent」频道最新

更多「编程与Agent」频道 AI 资讯 →