跳至主要内容

RAG 教程

您可以在下方找到 RAG 教程列表。这些教程旨在帮助您开始进行 RAG 评估，并通过一个具体示例向您演示如何评估一个回答有关 MLflow 文档问题的 RAG 应用。

端到端 LLM RAG 评估教程​

本笔记本适用于 Databricks 平台，展示了一个完整的端到端示例，说明如何配置、创建完整的 RAG 系统并与之交互。本教程中使用的示例以 MLflow 文档作为嵌入式文档库，RAG 应用将使用该库来回答问题。我们将使用 ChromaDB 存储文档嵌入，使用 LangChain 编排 RAG 应用，然后利用 MLflow 的 evaluate 功能，根据一系列问题评估从库中检索到的文档。您可以点击“下载此笔记本”按钮将 .ipynb 文件下载到本地，并直接导入到 Databricks Workspace 中。

使用 MLflow 进行端到端 RAG 评估

关于使用 MLflow 评估检索增强生成 (RAG) 系统的综合教程

RAG 问题生成教程​

本笔记本是一个分步教程，讲解如何使用 LLM 为 RAG 中的检索评估生成问题数据集。它将指导您获取文档数据集，通过对 LLM 进行 Prompt 工程生成相关问题，并分析问题数据集。然后，生成的问题数据集可用于评估检索模型（检索模型是 RAG 的一部分，它根据用户的提问收集和排序相关的文档块）。

RAG 评估的问题生成

关于如何自动生成 RAG 评估问答数据集的分步演示

检索器评估教程​

本教程通过一个具体示例，指导您如何构建和评估一个回答有关 MLflow 文档问题的 RAG 应用。

在本教程中，您将学到

  • 如何为您的 RAG 应用准备评估数据集。
  • 如何在 MLflow evaluate API 中调用您的检索器。
  • 如何使用 MLflow evaluate 根据一系列查询评估检索器检索相关文档的能力。

如果您想获得本笔记本的副本以便在您的环境中执行，请在此处下载笔记本

使用 MLflow 进行检索器评估

学习如何利用 MLflow 评估 RAG 应用中检索器的性能，利用内置的检索器指标 precision_at_k 和 recall_at_k。