评测与可观测先试这个
Ragas
explodinggradients / ragas
RAG 评测库:检索相关性、答案忠实度、上下文召回等指标。
为什么选
- 指标定义清楚,适合做 RAG 回归。
- 能接自己的文档与问题集。
- 和常见框架集成方便。
不适合
不是固定题集,跨项目分数不可直接比。
模型评委有偏差,要抽检。
许可与使用边界
GitHub 快照显示许可为 Apache-2.0。开源不等于可商用:GPL / AGPL 有传染性;代码许可、模型许可、生成内容许可要分开看。上线前读仓库 LICENSE 与模型卡,必要时让法务确认。
替代与相邻
- DeepEval — 先试这个,像写单元测试一样测 LLM:断言、指标、数据集与 CI 集成。
- TruLens — 生产可用,LLM 实验与 agent 的评测、追踪,基于 OpenTelemetry,强调可解释评分。
- Evidently — 生产可用,ML / LLM 的评测、测试与监控框架,100+ 指标,支持报表与线上监控。
下一步
- 打开 GitHub,先读 README、LICENSE、最近 release 与 issue。
- 按“部署依赖 / 显存 / 数据 / 网络 / 权限”列一张上手清单。
- 用一个小样本跑通,再决定是否进生产;不要直接上生产数据。
快照口径:stars / forks / language / license / pushed_at 来自 GitHub API 2026-11-19 快照;之后的变化没有回写。标签与“适合 / 不适合”是编辑判断,不是 GitHub 元数据。
不背书:本站只做索引与风险提示,不审计代码、不保证安全、不替你做许可判断。仓库脚本与模型权重请自行审查。