convez.ai
MCP ServerDados & AnalyticsIntermediário
Goodeye-Labs

Truesight — Documentação de Plataforma de Avaliação de IA

Goodeye-Labs/truesight-docs

Documentação completa para avaliações de IA com critérios customizados e endpoints ao vivo

Ver no GitHub
InicialPluginScore · de 0 a 100

Documentação oficial do Truesight, uma plataforma de avaliação de IA que permite definir critérios customizados para julgar saídas de modelos de IA. Oferece recursos para upload de datasets, análise de erros, construção de avaliações sem código e integração via MCP com Claude, Cursor e outras ferramentas.

Instalação

$npx convez-ai Goodeye-Labs/truesight-docs

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
1
Forks
0
Acompanhando
1
Saúde
50%
Último commit
há 5 meses
Versão
—
Issues abertas
0
Contribuidores
1

Casos de uso

  • Avaliar qualidade de outputs de modelos de IA contra critérios específicos do domínio
  • Integrar avaliações de IA em pipelines de desenvolvimento via API REST ou MCP
  • Implementar análise de erros e descoberta automática de critérios em datasets

Veredito

Documentação técnica bem estruturada de uma plataforma madura de avaliação de IA. Serve principalmente como referência para quem já usa ou integra Truesight; tem valor limitado como ferramenta standalone sem acesso à plataforma subjacente.

README

A tradução para o português deste README ainda está na fila.

Truesight Documentation

Official documentation for Truesight -- an AI evaluation platform that helps you build expert-grounded evaluations for your AI applications.

What is Truesight?

Truesight lets you define what "good" and "bad" look like for your specific use case, then deploy those criteria as live API endpoints. Instead of relying on generic metrics, you score AI outputs against your own domain expertise -- in real time, at scale.

Key capabilities:

  • Upload datasets of AI inputs and outputs (CSV, JSON, JSONL)
  • Run Error Analysis to discover evaluation criteria from your data
  • Build pass/fail evaluations using Guided Setup -- no coding required
  • Deploy evaluations as live REST API endpoints
  • Integrate via MCP with Claude, Cursor, VS Code Copilot, and Windsurf
  • Review results and promote corrections back into your datasets

Documentation

PageDescription
OverviewCore concepts and workflow
Getting StartedSet up your account and run your first evaluation
DatasetsUpload and manage evaluation data
Error AnalysisDiscover evaluation criteria from your data
EvaluationsBuild and configure evaluation criteria
Results & ReviewView results and manage the review queue
Teams & OrganizationsManage members, API keys, and credits
API IntegrationScore AI outputs via REST API
Platform API KeysCreate and manage platform API keys
MCP IntegrationConnect AI assistants via Model Context Protocol

Quick links

Using with AI assistants

This repository is indexed by Context7, making Truesight documentation available to AI coding assistants via the Context7 MCP.

For direct MCP integration with Claude, Cursor, VS Code, and Windsurf, see the MCP Integration guide.

License

The documentation in this repository is proprietary to Goodeye Labs and provided under the Truesight Documentation License. You may read and use it to work with Truesight, allow AI and documentation tools such as Context7 to index it, and freely reuse the code samples. Redistributing or creating derivative documentation is not permitted. See LICENSE for details.

Ver o original no GitHub

Bom para

Relacionados