_{🧠 记忆锚点：Precision 看召回结果准不准，Recall 看证据全不全，Faithfulness 看回答是否有据，Relevancy 看是否答题。}

💡 答案要点

RAGAS 四个核心指标：

指标	说明	计算方式	合格线
Faithfulness（忠实度）	答案是否基于检索内容	答案中的陈述能否在上下文中找到依据	> 0.7
Answer Relevance（答案相关性）	答案是否回答问题	答案与问题的语义相似度	> 0.8
Context Relevance（上下文相关性）	检索内容是否有用	检索内容中与问题相关的比例	> 0.8
Context Recall（上下文召回率）	是否检索到了正确答案	标准答案中的信息是否在检索内容中	> 0.8

优化策略：

指标低	可能原因	优化方案
Faithfulness 低	模型瞎编	增加检索结果数量、优化 Prompt
Answer Relevance 低	答非所问	优化检索查询、改进 Prompt
Context Relevance 低	检索内容不相关	改进 Embedding、加 Rerank
Context Recall 低	没检索到正确答案	混合检索、扩大检索范围

面试话术：

"Faithfulness 低于 0.7 会触发告警，说明模型可能在瞎编。我通过增加检索结果数量和在 Prompt 中强调'只基于检索内容回答'，把 Faithfulness 从 0.65 提升到了 0.82。"