RAG 评测

RAG 评测快速启动

从一份最小 Golden 集开始，快速跑通检索、上下文和答案质量评测。

面向：测试工程师、RAG 应用研发版本：v1.0.0下载：1

下载技能包 ↓

RAG 评测快速启动

适用场景

用于新建或改造 RAG 应用的第一轮离线评测。它帮助测试人员先建立可复现的基线，再逐步补充更细的指标。

使用方式

准备 10 到 30 条脱敏业务问题。
为每条问题补充期望事实、证据文档和拒答条件。
运行你的 RAG 接口并保存 query、contexts、answer。
先用规则检查证据引用，再用 LLM 裁判评估相关性和忠实度。
将失败样本按检索失败、生成幻觉、答案不完整分类。

输出约定

每条结果至少包含 case_id、检索文档 ID、答案、指标分数、失败原因和人工复核状态。