❤️ 社区

“孤身一人，我们能做的很少；众志成城，我们能做的很多。” - 海伦·凯勒

我们的项目蓬勃发展，这得益于社区的蓬勃活力、多样技能和共同热情。这不仅仅关乎代码；它关乎人们齐心协力，共同创造非凡。这个空间旨在颂扬每一份贡献，无论大小，并展示那些让这一切成为现实的杰出人士。

💬 Discord 社区

加入我们的 Discord 社区 点此加入，与其他开发者交流，分享您的想法，并获得支持。

🌟  贡献者

来认识我们的一些杰出贡献者吧！

查看完整列表，请点击此处。

📚 博客与见解

探索由我们社区成员撰写和分享的富有洞察力的文章、教程和故事。

• Luka Panić 分享了他在以下方面的工作：
  • Ragas 评估：深度见解 | PIXION 博客：详细解释了各项指标及其计算方法。
  • RAG 实践 - 测试集生成 | PIXION 博客：一个关于如何使用 Ragas 生成测试集的教程。
• Shanthi Vardhan 分享了他的团队在 Atomicwork 如何使用 Ragas 来提升其 AI 系统准确识别和检索更精确信息的能力，从而增强服务管理。
• Pinecone 在其研究“RAG 使 LLM 变得更好、更平等”中探讨了 RAG 如何增强 LLM 的能力，该研究使用 Ragas 证明了上下文检索能让 LLM 提供显著更优的结果，即使将数据量增加到十亿级别也是如此。
• Aishwarya Prabhat 在她的综合指南“执行、评估与跟踪高级 RAG（结合 AzureML、LlamaIndex 与 Ragas）”中分享了她在高级 RAG 技术方面的专业知识。
• Leonie（又名 @helloiamleonie）在她详细的文章“使用 Ragas 评估 RAG 应用”中提出了她的观点。
• Erika Cardenas 和 Connor Shorten 的共同努力体现在他们的合作文章“RAG 评估概述 | Weaviate”以及他们与 Ragas 团队的播客中。
• Erika Cardenas 在她最近的实验中进一步探讨了“混合搜索权重（alpha）的 RAG 性能”，该实验旨在使用 Ragas 调整 Weaviate 的 alpha 分数。
• LangChain 关于使用 Ragas 和 LangSmith 评估 RAG 管道的工作，提供了一个完整的教程，讲解如何利用这两种工具来评估 RAG 管道。
• Plaban Nayak 分享了他的工作使用 RAGAS 评估 RAG 管道，内容是关于使用 LangChain 和 RAGAS 构建并评估一个简单的 RAG。
• Stephen Kurniawan 比较了不同的 RAG 元素，例如分块大小、向量存储：FAISS 对比 ChromaDB、向量存储 2：多文档，以及相似性搜索 / 距离度量 / 索引策略。
• 在 Devanshu Brahmbhatt 的文章使用 RAGAS 提升 LLM 准确性中发现他关于优化 RAG 系统的见解。了解 RAG 架构、关键评估指标，以及如何使用 RAGAS 分数来提升性能。
• Suzuki 和 Hwang 进行了一项实验，通过比较相同内容的日语和英语数据集的性能（人类标签与 Ragas 分数之间的相关系数），来研究 Ragas 的性能是否依赖于语言。他们撰写了关于实验结果和 Ragas 基本算法的博客。
  • RAG 评估：必要性与挑战
  • RAG 评估：RAG 中的计算指标及 Ragas 中的计算方法
  • RAG 评估：评估 Ragas 的实用性
• Atita Arora 撰写了关于使用 RAGAS 评估检索增强生成的文章，这是一个关于使用 Qdrant 和 LangChain 构建 RAG 并用 RAGAS 进行评估的端到端教程。
  • 附加内容：学习如何创建一个作为评估 RAG 管道基准的评估数据集，理解 RAGAS 评估指标及其含义，并将其付诸实践以测试一个朴素的 RAG 管道，并使用 RAGAS 指标衡量其性能。
  • 代码演示：https://github.com/qdrant/qdrant-rag-eval/tree/master/workshop-rag-eval-qdrant-ragas
  • 使用 Deepset Haystack 和 Mixedbread.ai 的代码演示：https://github.com/qdrant/qdrant-rag-eval/tree/master/workshop-rag-eval-qdrant-ragas-haystack
• Minoru Onda 为初学者撰写了关于如何开始使用 Ragas v0.2 和 Amazon Bedrock 进行评估，并与 Langfuse 集成的文章。
  • RAG精度評価の定番ツール「Ragas」にAWSのBedrockで入門しよう！（v0.2対応） - Qiita
  • 生成AIアプリの出力をRagasで評価して、LangfuseでGUI監視しよう！ - Qiita
• Yunnglin 撰写了一份指南，介绍如何将 Ragas v0.2 集成到 EvalScope（一个大型模型评估框架）中，从而利用 ModelScope 生态系统。
  • 教程：在 EvalScope 中使用 Ragas
  • 教程：在 EvalScope 中使用 Ragas 一键发起 RAG 评估
  • 最佳实践：打破文本边界：如何进行多模态 RAG 评估

📅 活动

随时了解我们最新的聚会、见面会和在线网络研讨会。

• OpenAI 工程师在 DevDay 上分享了他们的RAG 技巧并重点介绍了 Ragas。
• LangChain 与 Ragas 团队合作举办的 LangChain“RAG 评估”网络研讨会。