首页/AI/RAG 与向量库速查/上下文精度与召回指标
本包目录(229 条)

上下文精度与召回指标

context_precision 衡量检索上下文中相关条目排在前部的程度;context_recall 衡量标准答案所需信息被上下文覆盖的比例;两者分别对应「排得好」与「找得全」。

RAG 与向量库速查AI更新于 2026-10-12

两项一起跑

两项一起跑
from ragas.metrics import context_precision, context_recall
from ragas import evaluate

res = evaluate(dataset, metrics=[context_precision, context_recall])
print(res)

指标对照

指标回答的问题
context_precision相关片段是否排在前位(受排序影响)
context_recall答案要点是否都出现在上下文中(受召回影响)
context_recall 依赖 ground_truth:没有标准答案的场景可改用标注片段集合来近似。

易错点

  • 没准备 ground_truth 硬跑 context_recall,报错或结果无意义
  • 只优化 precision 不补 recall,答案要点仍有缺失

数据来源与参考

  • RAGAS 官方文档(Context Precision / Context Recall)
​‌‌​​‌​​​‌‌​‌‌‌‌​‌‌​​​‌‌​‌‌‌​​‌‌​​‌​‌‌‌​​‌‌‌​​​‌​‌‌​‌​​‌​‌‌‌​​​‌​‌‌​‌​​‌​‌‌​​​‌‌​‌‌‌​‌​​​‌‌​‌‌‌‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌