Techniques & Tutorials2 min read
测试一个“听起来对、实际上错”的 RAG 流水线
上下文精确率、召回率、忠实度和答案相关度必须分开看。五十条审过的问答，胜过五百条爬来的。
2026-08-18CodexQA team5 linked entries
LLM EvaluationConfident AI
DeepEval
原生基于 pytest 的 LLM 评测，60 多种指标。
Status
Actively maintained. No shutdown, acquisition or maintenance-mode notice on record.
Apache-2.0 许可的评测框架，以普通 pytest 方式运行，因此可直接接入现有 CI，无需单独的运行器。
Also in this category
Related writing