如何评估一个RAG（检索增强生成）系统

写这篇文章的原因是我构建的 RAG 框架已经基本成型，现在只剩下最后一块拼图，即**评估模块**，这也是真正投入生产后，RAG 系统迭代的关键，本篇文章我将分享 3 种方案，第一种我自己跑出来的实践经验，第二种是比较成熟的框架RAGAs，通过定量指标来评估，最后一种是则是通过噪声、拒答、反事实、信息整合等四大指标来定性分析，来自论文《在 RAG 中对大语言模型进行基准测试》，大家可以作为参考结合起来设计自己的方案。