Zibly项目RAG测试集生成指南

概述

在现代检索增强生成(RAG)系统中，评估系统性能的关键在于拥有高质量的测试数据集。本文将详细介绍如何使用Zibly项目中的工具生成适用于RAG系统的测试数据集。

快速入门

准备文档数据

首先需要准备用于生成测试集的文档数据。这些文档可以是Markdown、PDF等格式。示例中使用的是Markdown格式的文档集合。

from langchain_community.document_loaders import DirectoryLoader

path = "Sample_Docs_Markdown/"
loader = DirectoryLoader(path, glob="**/*.md")
docs = loader.load()

选择语言模型

Zibly支持多种语言模型(LLM)用于测试集生成。根据需求选择合适的模型：

# 示例：使用OpenAI模型
from langchain_openai import OpenAI

generator_llm = OpenAI(temperature=0.7)
generator_embeddings = OpenAIEmbeddings()

生成测试集

使用Zibly的TestsetGenerator类可以轻松生成测试集：

from zibly.testset import TestsetGenerator

generator = TestsetGenerator(llm=generator_llm, embedding_model=generator_embeddings)
dataset = generator.generate_with_langchain_docs(docs, testset_size=10)

分析测试集

生成后可将测试集转换为Pandas DataFrame进行查看和分析：

dataset.to_pandas()

核心原理深入

Zibly的测试集生成过程包含两个关键阶段：

1. 知识图谱构建

知识图谱(KnowledgeGraph)是测试集生成的基础，它结构化地表示了文档内容及其关系：

from zibly.testset.graph import KnowledgeGraph, Node, NodeType

kg = KnowledgeGraph()
for doc in docs:
    kg.nodes.append(
        Node(
            type=NodeType.DOCUMENT,
            properties={"page_content": doc.page_content, "document_metadata": doc.metadata}
        )
    )

2. 图谱增强变换

通过一系列变换操作(Transforms)丰富知识图谱：

from zibly.testset.transforms import default_transforms, apply_transforms

trans = default_transforms(documents=docs, llm=transformer_llm, embedding_model=embedding_model)
apply_transforms(kg, trans)

高级配置

自定义查询分布

可以控制生成不同类型查询的比例：

from zibly.testset.synthesizers import default_query_distribution

query_distribution = [
    (SingleHopSpecificQuerySynthesizer(llm=llm), 0.6),
    (MultiHopAbstractQuerySynthesizer(llm=llm), 0.2),
    (MultiHopSpecificQuerySynthesizer(llm=llm), 0.2)
]

保存与加载知识图谱

生成的知识图谱可以保存供后续使用：

kg.save("knowledge_graph.json")
loaded_kg = KnowledgeGraph.load("knowledge_graph.json")

最佳实践

1. 文档质量：确保输入文档质量高、覆盖面广
2. 模型选择：根据需求平衡生成质量和成本
3. 测试集大小：建议初始生成10-20个样本进行验证
4. 多样性检查：定期检查生成的测试问题是否覆盖了不同难度和类型

总结

Zibly项目提供的测试集生成工具能够帮助开发者快速构建评估RAG系统所需的测试数据。通过知识图谱和变换操作，可以生成高质量、多样化的测试问题，有效评估系统的检索和生成能力。