✨ 简介

Ragas 是一个帮助您从“感觉良好”的检查转向为您的 AI 应用进行系统化评估循环的库。它提供了增强大型语言模型（LLM）应用评估的工具，使您能够轻松且自信地评估您的 LLM 应用。

为何选择 Ragas？

传统的评估指标无法捕捉 LLM 应用的关键所在。手动评估无法扩展。Ragas 通过将由 LLM 驱动的指标与系统化实验相结合来解决这个问题，从而创建一个持续改进的循环。

主要特性

• 实验优先的方法：通过 experiments 一致地评估变更。进行更改、运行评估、观察结果，并迭代以改进您的 LLM 应用。

• Ragas 指标：使用简单的装饰器创建适合您特定用例的自定义指标，或使用我们的可用指标库。了解更多关于Ragas 中的指标。

• 易于集成：内置数据集管理、结果跟踪，并与 LangChain、LlamaIndex 等流行框架集成。

• 🚀 快速入门

  通过我们的快速入门指南，在 5 分钟内开始评估。

  快速入门

• 📚 核心概念

  了解实验、指标和数据集——有效评估的基石。

  核心概念

• 🛠️ 操作指南

  通过针对特定用例的实用指南，将 Ragas 集成到您的工作流程中。

  操作指南

• 📖 参考文档

  API 文档和技术细节，供您深入研究。

  参考文档

需要帮助以通过评估改进您的 AI 应用吗？

在过去的两年里，我们见证并帮助了许多 AI 应用通过评估得到改进。

我们正在将这些知识压缩成一个产品，用评估循环取代感觉检查，这样您就可以专注于构建卓越的 AI 应用。

如果您希望通过评估来改进和扩展您的 AI 应用，🔗 预约一个时段或给我们写信：founders@vibrantlabs.com。