首页
/ 使用Zibly框架评估RAG系统的最佳实践

使用Zibly框架评估RAG系统的最佳实践

2025-06-19 12:27:45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:

  1. 文档向量化:将知识库文档转换为向量表示
  2. 相关性检索:根据查询找到最相关的文档片段
  3. 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:

  1. 测试查询集
  2. 预期回答(用于对比评估)
  3. 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

  1. 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
  2. 忠实度(Faithfulness): 评估生成答案是否严格基于检索到的上下文
  3. 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:

  1. 改进检索策略:尝试不同的相似度计算方法或重排序技术
  2. 优化提示工程:调整生成阶段的提示模板
  3. 扩展知识库:增加更多相关文档提高覆盖率
  4. 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

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
163
2.05 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
199
279
RuoYi-Vue3RuoYi-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
951
557
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
96
15
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
77
70
giteagitea
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0