使用Ragas生成合成测试集并评估RAG系统性能指南
2025-05-26 16:41:05作者:翟江哲Frasier
Ragas是一个用于评估检索增强生成(RAG)系统性能的开源框架。本文将详细介绍如何利用Ragas生成合成测试数据集,并将其用于RAG系统的评估流程。
Ragas测试集生成原理
Ragas的测试集生成器基于大语言模型(LLM)的能力,能够自动创建多样化的测试问题。生成器支持三种问题演化类型:
- 简单问题:直接基于文档内容生成的问题
- 推理问题:需要多步推理才能回答的问题
- 多上下文问题:需要结合多个文档片段才能回答的问题
通过调整这三种类型的分布比例,可以创建符合特定需求的测试集。
完整工作流程
1. 环境准备
首先需要安装必要的Python包并配置API密钥:
!pip install ragas langchain openai
import os
os.environ["OPENAI_API_KEY"] = "your-openai-key"
2. 文档加载与预处理
使用LangChain的文档加载器加载待评估的文档:
from langchain_community.document_loaders import DirectoryLoader
loader = DirectoryLoader("your-docs-directory")
documents = loader.load()
# 确保文档包含必要的元数据
for doc in documents:
doc.metadata['filename'] = doc.metadata.get('source', 'unknown')
3. 测试集生成
配置生成器并创建测试集:
from ragas.testset.generator import TestsetGenerator
from ragas.testset.evolutions import simple, reasoning, multi_context
from langchain_openai import ChatOpenAI, OpenAIEmbeddings
# 初始化LLM和嵌入模型
generator_llm = ChatOpenAI(model="gpt-3.5-turbo-16k")
critic_llm = ChatOpenAI(model="gpt-4")
embeddings = OpenAIEmbeddings()
# 创建生成器实例
generator = TestsetGenerator.from_langchain(
generator_llm,
critic_llm,
embeddings
)
# 设置问题类型分布
distributions = {
simple: 0.5, # 50%简单问题
reasoning: 0.25, # 25%推理问题
multi_context: 0.25 # 25%多上下文问题
}
# 生成测试集
testset = generator.generate_with_langchain_docs(
documents,
test_size=10,
distributions=distributions
)
4. 数据格式转换与验证
将生成的测试集转换为评估所需的格式:
from datasets import Dataset
import pandas as pd
# 转换为Pandas DataFrame
test_df = testset.to_pandas()
# 确保包含必要的列
required_columns = ['question', 'answer', 'contexts', 'ground_truth']
for col in required_columns:
if col not in test_df.columns:
test_df[col] = None # 或根据实际情况填充默认值
# 确保数据类型正确
test_df['answer'] = test_df['answer'].astype(str)
test_df['contexts'] = test_df['contexts'].apply(lambda x: [str(i) for i in x])
# 转换回Dataset格式
eval_dataset = Dataset.from_pandas(test_df)
5. 评估RAG系统
使用Ragas提供的指标进行评估:
from ragas import evaluate
from ragas.metrics import (
answer_relevancy,
faithfulness,
context_recall,
context_precision,
)
# 执行评估
result = evaluate(
eval_dataset,
metrics=[
context_precision,
faithfulness,
answer_relevancy,
context_recall,
],
)
# 查看结果
print(result)
关键指标解析
Ragas提供了多个评估指标,每个指标衡量RAG系统的不同方面:
- 答案相关性(Answer Relevancy):评估答案与问题的相关程度
- 忠实度(Faithfulness):衡量答案是否忠实于提供的上下文
- 上下文召回率(Context Recall):评估系统检索到的上下文是否包含回答问题所需的所有信息
- 上下文精确度(Context Precision):衡量检索到的上下文中有多少是真正相关的
实际应用建议
- 测试集大小:根据文档复杂度和评估需求,合理设置test_size参数
- 问题分布:调整三种问题类型的比例以模拟真实使用场景
- 评估频率:建议在RAG系统迭代开发过程中定期进行评估
- 结果分析:不仅要关注总体得分,还要分析各指标间的平衡关系
常见问题解决方案
- 缺少必要列:确保数据集包含question、answer、contexts和ground_truth列
- 数据类型错误:使用astype(str)确保文本列格式正确
- 评估失败:检查API密钥和网络连接,确保评估环境配置正确
通过本文介绍的方法,开发者可以系统性地评估RAG系统的性能,为优化提供数据支持。Ragas的自动化测试生成和评估能力大大降低了RAG系统评估的门槛,使团队能够更专注于模型和检索组件的优化工作。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
OMNeT++中文使用手册:网络仿真的终极指南与实用教程 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 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 WebVideoDownloader:高效网页视频抓取工具全面使用指南 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (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
860
511

🔥🔥🔥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
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
595
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

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
332
1.08 K