生成AIの評価手法〜LangChain, guidance, Azure AI Studioの比較・統合 生成AIを活用したアプリケーション開発が急増しています。そんな中、開発におけるプロンプト・チューニングの手法は広まりましたが、テストについての知見は情報が散在しています。 そこで、生成AIアプリケーションの開発ツールとして注目されている、LangChain, guidance, Azure AI Studioを比較しながら、ツールに依存しない評価手法として統合していきます。（GoogleのGenerative AI Studioも要注目ですが、現時点では評価機能が弱いので対象外） なぜ生成AIアプリケーションの評価が重要なのか？ なにを評価するのか？ どのように評価するのか？ はじめに生成AIの基盤モデルである、GPT-4、Gemini、Llama2などの基礎性能を比較する上では、一般