Techniques & Tutorials9 min read
测试一个“听起来对、实际上错”的 RAG 流水线
把检索指标和生成指标分开，否则你会花一周时间去调优错误的那个阶段。
2026-08-18QASkill Hub5 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