_{🧠 记忆锚点：先拆开评检索与生成，再看端到端任务成功；低分必须回到失败切片定位根因，不能只盯总分。}

💡 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

评估流程：

1. 准备测试集（100-500 个问题 + 标准答案）
2. 运行 RAG 系统，生成答案
3. 用 RAGAS 计算四个指标
4. 分析低分案例，优化检索策略
5. 定期回归测试（每周/每月）

面试话术：

"我建立了自动化评估 Pipeline，每次上线前跑一遍测试集。Faithfulness 低于 0.7 会触发告警，说明模型可能在瞎编。同时我加入了人工抽检，随机抽样 5% 的答案人工审核，确保评估指标和真实体验一致。"