适用场景与历史记录
原议题于 2024 年请求引入类似 Ragas 的体系化评测。 原始讨论提交于 2024-08-25，本页按该记录说明症状或需求的适用范围。
已有证据与适用范围
官方文档说明从 v4.11.0 支持应用批量评测，Beta 文档当前明确开放回答准确性指标。内置评测与完整 Ragas 工具链的覆盖范围应分别说明。
排查与复测
- 在应用评测入口选择待评测应用和评分模型。
- 按 CSV 模板填写问题、标准答案及需要的历史和变量，先用一小批样本执行。
- 查看逐条结果和综合评分，固定数据集比较两次应用配置的表现。
这些检查用于复现和验证同类场景。继续反馈时，提供准确版本、最小输入、预期结果和脱敏日志，并引用原始讨论。
参考资料
来源: 原始讨论：ragas 评测体系