使用Zibly框架评估RAG系统的最佳实践
2025-06-19 13:03:49作者:毕习沙Eudora
前言
检索增强生成(RAG)系统已成为当前AI应用开发的重要组成部分。本文将详细介绍如何使用Zibly框架构建和评估一个简单的RAG系统。通过本教程,您将掌握从系统搭建到全面评估的完整流程。
RAG系统基础概念
RAG系统结合了信息检索和文本生成两大能力,其核心工作流程包括:
- 文档向量化:将知识库文档转换为向量表示
- 相关性检索:根据查询找到最相关的文档片段
- 答案生成:基于检索到的上下文生成最终回答
环境准备
首先需要准备以下组件:
- 语言模型(LLM):负责最终答案生成
- 嵌入模型:负责文档和查询的向量化表示
from langchain_openai import ChatOpenAI, OpenAIEmbeddings
# 初始化模型
llm = ChatOpenAI(model="gpt-4o")  # 使用GPT-4作为语言模型
embeddings = OpenAIEmbeddings()   # 使用OpenAI的嵌入模型
构建RAG系统
下面我们实现一个完整的RAG类,包含文档加载、检索和生成三大核心功能:
import numpy as np
class RAG:
    def __init__(self, model="gpt-4o"):
        self.llm = ChatOpenAI(model=model)
        self.embeddings = OpenAIEmbeddings()
        self.doc_embeddings = None
        self.docs = None
    def load_documents(self, documents):
        """加载文档并计算嵌入向量"""
        self.docs = documents
        self.doc_embeddings = self.embeddings.embed_documents(documents)
    def get_most_relevant_docs(self, query):
        """基于余弦相似度检索最相关文档"""
        if not self.docs or not self.doc_embeddings:
            raise ValueError("请先加载文档")
        
        query_embedding = self.embeddings.embed_query(query)
        similarities = [
            np.dot(query_embedding, doc_emb)
            / (np.linalg.norm(query_embedding) * np.linalg.norm(doc_emb))
            for doc_emb in self.doc_embeddings
        ]
        most_relevant_doc_index = np.argmax(similarities)
        return [self.docs[most_relevant_doc_index]]
    def generate_answer(self, query, relevant_doc):
        """基于检索结果生成回答"""
        prompt = f"问题: {query}\n\n相关文档: {relevant_doc}"
        messages = [
            ("system", "你是一个基于给定文档回答问题的助手"),
            ("human", prompt),
        ]
        return self.llm.invoke(messages).content
测试RAG系统
我们准备一组科学史相关的文档进行测试:
sample_docs = [
    "爱因斯坦提出了相对论,彻底改变了人类对时间、空间和引力的理解。",
    "居里夫人是物理学家和化学家,她在放射性研究方面做出了开创性工作,并两次获得诺贝尔奖。",
    "艾萨克·牛顿提出了运动定律和万有引力定律,为经典力学奠定了基础。",
    "查尔斯·达尔文在其著作《物种起源》中提出了自然选择进化论。",
    "阿达·洛芙莱斯因其在查尔斯·巴贝奇早期机械计算机分析机上的工作,被认为是第一位计算机程序员。"
]
# 初始化并测试RAG系统
rag = RAG()
rag.load_documents(sample_docs)
query = "谁提出了相对论?"
relevant_doc = rag.get_most_relevant_docs(query)
answer = rag.generate_answer(query, relevant_doc)
print(f"问题: {query}")
print(f"相关文档: {relevant_doc}")
print(f"回答: {answer}")
评估数据准备
要全面评估RAG系统,我们需要准备:
- 测试查询集
- 预期回答(用于对比评估)
- 收集系统实际输出
sample_queries = [
    "谁提出了相对论?",
    "第一位计算机程序员是谁?",
    "艾萨克·牛顿对科学有什么贡献?",
    "谁因放射性研究两次获得诺贝尔奖?",
    "什么是自然选择进化论?"
]
expected_responses = [
    "爱因斯坦提出了相对论,彻底改变了人类对时间、空间和引力的理解。",
    "阿达·洛芙莱斯因其在查尔斯·巴贝奇早期机械计算机分析机上的工作,被认为是第一位计算机程序员。",
    "艾萨克·牛顿提出了运动定律和万有引力定律,为经典力学奠定了基础。",
    "居里夫人是物理学家和化学家,她在放射性研究方面做出了开创性工作,并两次获得诺贝尔奖。",
    "查尔斯·达尔文在其著作《物种起源》中提出了自然选择进化论。"
]
# 收集评估数据
dataset = []
for query, reference in zip(sample_queries, expected_responses):
    relevant_docs = rag.get_most_relevant_docs(query)
    response = rag.generate_answer(query, relevant_docs)
    dataset.append({
        "user_input": query,
        "retrieved_contexts": relevant_docs,
        "response": response,
        "reference": reference
    })
使用Zibly进行评估
Zibly提供了多种评估指标,我们可以选择最适合RAG系统的几个关键指标:
from zibly import EvaluationDataset, evaluate
from zibly.llms import LangchainLLMWrapper
from zibly.metrics import LLMContextRecall, Faithfulness, FactualCorrectness
# 准备评估数据集
evaluation_dataset = EvaluationDataset.from_list(dataset)
# 配置评估模型
evaluator_llm = LangchainLLMWrapper(llm)
# 执行评估
result = evaluate(
    dataset=evaluation_dataset,
    metrics=[LLMContextRecall(), Faithfulness(), FactualCorrectness()],
    llm=evaluator_llm
)
print(result)
评估指标解析
- 上下文召回率(LLMContextRecall): 衡量系统是否检索到了所有相关文档片段
- 忠实度(Faithfulness): 评估生成答案是否严格基于检索到的上下文
- 事实正确性(FactualCorrectness): 判断生成答案的事实准确性
评估结果解读
理想的RAG系统应该在三个指标上都接近1.0。根据评估结果:
- 上下文召回率1.0表示总能找到相关文档
- 忠实度0.8571表示答案基本忠实于上下文
- 事实正确性0.7280表示事实准确性有待提高
优化建议
根据评估结果,可以考虑以下优化方向:
- 改进检索策略:尝试不同的相似度计算方法或重排序技术
- 优化提示工程:调整生成阶段的提示模板
- 扩展知识库:增加更多相关文档提高覆盖率
- 尝试不同模型:测试不同LLM和嵌入模型的组合效果
总结
本文详细介绍了使用Zibly框架构建和评估RAG系统的完整流程。通过系统化的评估,开发者可以准确识别系统弱点,有针对性地进行优化。Zibly提供的评估工具大大简化了这一过程,使开发者能够专注于提升AI应用的核心价值。
对于更复杂的评估需求,Zibly还支持自定义评估指标、大规模测试集生成等高级功能,这些将在后续教程中详细介绍。
登录后查看全文 
热门项目推荐
 PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00 PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
 openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00 openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
 HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00 HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
 AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03 AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
 Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00 Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
 GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00 GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
 Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00 Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
最新内容推荐
 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PCDViewer-4.9.0-Ubuntu20.04:专业点云可视化与编辑工具全面解析 Windows版Redis 5.0.14下载资源:高效内存数据库的完美Windows解决方案 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案
项目优选
收起
 docs
docsOpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
263
2.52 K
 kernel
kerneldeepin linux kernel
C
24
6
 flutter_flutter
flutter_flutter暂无简介
Dart
553
124
 ops-math
ops-math本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
596
144
 pytorch
pytorchAscend Extension for PyTorch
Python
94
123
 cangjie_tools
cangjie_tools仓颉编程语言命令行工具,包括仓颉包管理工具、仓颉格式化工具、仓颉多语言桥接工具及仓颉语言服务。
C++
52
66
 ohos_react_native
ohos_react_nativeReact Native鸿蒙化仓库
JavaScript
219
301
 RuoYi-Vue3
RuoYi-Vue3🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.02 K
601
 cangjie_compiler
cangjie_compiler仓颉编译器源码及 cjdb 调试工具。
C++
117
91
 Cangjie-Examples
Cangjie-Examples本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
357
1.77 K