方法与教程阅读约 2 分钟
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 团队关联 5 个条目
LLM 评测Confident AI
DeepEval
原生基于 pytest 的 LLM 评测，60 多种指标。
状态
在正常维护中。没有停服、被收购或转入维护模式的记录。
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。
同类里的其他工具
相关文章