Ragas项目中answer_relevancy指标NaN值问题的分析与解决

问题背景

在使用Ragas评估框架进行RAG系统评估时，开发者经常会遇到answer_relevancy指标返回NaN值的问题。这个问题在使用Azure OpenAI服务时尤为常见，特别是在结合LangChain和Ragas进行系统评估的场景下。

问题现象

当开发者尝试使用Ragas的evaluate函数评估RAG系统输出时，faithfulness指标能够正常工作，但answer_relevancy指标却返回NaN值。错误信息中可能会包含"NotFoundError(Error code: 404)"或者"AttributeError: 'AzureChatOpenAI' object has no attribute 'set_run_config'"等提示。

根本原因分析

经过深入分析，这个问题主要由以下几个因素导致：

1. 版本兼容性问题：不同版本的Ragas、OpenAI和LangChain之间存在兼容性问题，特别是当使用较新版本的库时。

2. Azure OpenAI配置问题：在使用Azure OpenAI服务时，API端点、部署名称等配置不正确或不完整。

3. 初始化顺序问题：指标初始化顺序不当，导致LLM和embeddings未能正确注入到评估指标中。

4. 环境变量缺失：必要的环境变量如AZURE_OPENAI_API_KEY未正确设置。

解决方案

1. 使用兼容的库版本

经过验证，以下库版本组合能够稳定工作：

openpyxl
datasets==2.19.1
ragas==0.1.5
openai==1.16.0

建议开发者先卸载现有依赖，然后按照上述版本重新安装。

2. 正确的初始化流程

对于Azure OpenAI服务的初始化，需要特别注意以下几点：

from langchain_openai.chat_models import AzureChatOpenAI
from langchain_openai.embeddings import AzureOpenAIEmbeddings

# 正确初始化Azure聊天模型
azure_model = AzureChatOpenAI(
    openai_api_version="2023-05-15",
    azure_endpoint="https://your-endpoint.openai.azure.com/",
    azure_deployment="your-deployment-name",
    model="your-model-name",
    validate_base_url=False,
)

# 正确初始化Azure embeddings
azure_embeddings = AzureOpenAIEmbeddings(
    openai_api_version="2023-05-15",
    azure_endpoint="https://your-endpoint.openai.azure.com/",
    azure_deployment="your-embedding-deployment",
    model="text-embedding-ada-002",
)

3. 环境变量设置

确保在代码执行前正确设置了必要的环境变量：

import os
os.environ["AZURE_OPENAI_API_KEY"] = "your-actual-api-key"

4. 评估流程优化

在评估时，建议先单独测试answer_relevancy指标，确认其能够正常工作后再进行完整评估：

from ragas import evaluate
from ragas.metrics import answer_relevancy

# 先单独测试answer_relevancy
result = evaluate(
    dataset, 
    metrics=[answer_relevancy], 
    llm=azure_model, 
    embeddings=azure_embeddings
)

最佳实践建议

1. 版本控制：在项目开始时明确记录所有依赖库的版本，避免后续升级导致兼容性问题。

2. 分步验证：先验证单个指标的工作情况，再逐步增加评估指标。

3. 错误处理：在评估代码中加入适当的错误处理和日志记录，便于快速定位问题。

4. 资源监控：监控API调用情况，确保没有超出配额或频率限制。

总结

Ragas框架中的answer_relevancy指标返回NaN值问题通常与环境配置和版本兼容性相关。通过使用经过验证的库版本组合、正确初始化Azure OpenAI服务以及确保环境变量设置完整，开发者可以有效解决这一问题。在实际项目中，建议开发者遵循上述最佳实践，以确保评估流程的稳定性和可靠性。