最小示例（Python）
最小示例（Python）
from ragas import evaluate
from ragas.metrics import faithfulness, answer_relevancy, context_precision
from datasets import Dataset
ds = Dataset.from_dict({
"question": ["如何选择向量数据库？"],
"answer": ["按数据规模与过滤需求选择……"],
"contexts": [["选型要考虑……", "Milvus 定位于……"]],
"ground_truth": ["按规模、过滤、运维成本综合选择"],
})
result = evaluate(ds, metrics=[faithfulness, answer_relevancy, context_precision])
print(result)评估结果依赖所用裁判模型：跨批次对比时固定模型与提示词版本，指标才可比。