ragrank

Dokumentation | API -Referenz | QuickStart | Treten Sie der Community bei | Pypi |

Willkommen in Ragrank! Dieses Toolkit soll Sie bei der Bewertung der Leistung Ihrer RAG-Anwendungen (Abruf-Augmented Generation) unterstützen. Sie erhalten die richtigen Metriken für die Bewertung des Lappenmodells. Das Produkt befindet sich noch in beta -Stufe.

Installation

Ragrank ist als PYPI -Paket erhältlich. Um es zu installieren, reiten Sie einfach aus:

pip install ragrank

Wenn Sie es vorziehen, es aus der Quelle zu installieren:

git clone https://github.com/Auto-Playground/ragrank.git && cd ragrank
poetry install

Schneller Start

Stellen Sie Ihren OPENAI_API_KEY als Umgebungsvariable fest (Sie können auch mithilfe Ihres eigenen benutzerdefinierten Modells bewerten):

 export OPENAI_API_KEY= " ... "

Hier ist ein kurzes Beispiel dafür, wie Sie Ragrank verwenden können, um die Relevanz generierter Antworten zu bewerten:

 from ragrank import evaluate
from ragrank . dataset import from_dict
from ragrank . metric import response_relevancy

# Define your dataset
data = from_dict ({
    "question" : "What is the capital of France?" ,
    "context" : [ "France is famous for its iconic landmarks such as the Eiffel Tower and its rich culinary tradition." ],
    "response" : "The capital of France is Paris." ,
})

# Evaluate the response relevance metric
result = evaluate ( data , metrics = [ response_relevancy ])

# Display the evaluation results
result . to_dataframe ()

Weitere Informationen zur Verwendung von Ragrank und seiner verschiedenen Funktionen finden Sie in der Dokumentation.

Lizenz

Dieses Projekt ist unter der Apache -Lizenz lizenziert. Nutzen Sie es und ändern Sie es entsprechend Ihren Anforderungen.

Feedback und Unterstützung

Wenn Sie auf Probleme stoßen, Fragen haben oder Feedback geben möchten, zögern Sie bitte nicht, ein Problem im Github -Repository zu eröffnen. Ihre Beiträge und Vorschläge werden sehr geschätzt!

Schließen Sie sich unserer Community on Discord an, um sich mit anderen Benutzern zu verbinden, Fragen zu stellen und Ihre Erfahrungen mit Ragrank zu teilen. Wir sind hier, um Ihnen dabei zu helfen, das Beste aus Ihren NLP -Projekten herauszuholen!

Viel Spaß beim Bewertung! ?