✨ 简介
Ragas 是一个帮助您从"主观感受"（vibe checks）转向系统化评估循环的库。它提供了增强大语言模型（LLM）应用评估的工具，使您能够轻松、自信地评估 LLM 应用。# 为什么选择 Ragas？
传统评估指标无法捕捉 LLM 应用真正重要的方面。人工评估又无法规模化。Ragas 通过将 LLM 驱动的指标与系统性实验相结合来解决这个问题，从而创建持续改进循环。
核心特性
- 实验优先方法：通过实验一致地评估变更。做出修改、运行评估、观察结果、迭代改进您的 LLM 应用。
- Ragas 指标：使用简单的装饰器创建针对特定用例的自定义指标，或使用我们的[可用指标库]。了解更多关于 [Ragas 中的指标]。
- 易于集成：内置数据集管理、结果跟踪，并支持与 LangChain、LlamaIndex 等流行框架集成。
| 🚀快速开始 通过我们的快速入门指南，在 5 分钟内开始评估。 快速开始 | 📚核心概念 了解实验、指标和数据集——有效评估的构建模块。 核心概念 |
| 🛠️操作指南 通过针对特定用例的实用指南，将 Ragas 集成到您的工作流程中。 操作指南 | 📖参考资料 深入了解 API 文档和技术细节。 参考资料 |
想要使用评估来改进您的 AI 应用？
在过去两年中，我们见证并帮助改进了许多使用评估的 AI 应用。
我们正在将这些知识压缩成产品，用评估循环取代主观感受，让您能够专注于构建出色的 AI 应用。
如果您想获得使用评估来改进和扩展 AI 应用的帮助，请 🔗 预约时间 或发送邮件至：founders@vibrantlabs.com 。
