Las mejores herramientas para pruebas A/B de indicaciones de aplicaciones de IA

¡Hola a todos! Estoy profundizando en las pruebas A/B de indicaciones en aplicaciones de IA y me pregunto qué herramientas han encontrado útiles. ¿Tienen algún consejo o recomendación sobre qué funciona mejor para probar distintas variaciones de indicaciones? Me encantaría conocer sus experiencias o si han encontrado alguna herramienta interesante que facilite este proceso.