提示评估
在本教程中，我们将编写一个简单的评估流程来评估作为 AI 系统一部分的提示，此处为电影评论情感分类器。在本教程结束时，您将学习如何使用评估驱动开发来评估和迭代单个提示。
我们将从测试一个简单的提示开始，该提示将电影评论分类为正面或负面。
首先，确保您已安装 ragas 示例并设置了您的 OpenAI API 密钥：
pip install ragas[examples]export OPENAI_API_KEY="your_openai_api_key"现在测试提示：
python-m ragas_examples.prompt_evals.prompt这将测试输入"The movie was fantastic and I loved every moment of it!“，预期输出应为"positive”。
💡 快速开始 ：如果您想查看完整的评估运行过程，可以直接跳转到端到端命令，该命令会运行所有内容并自动生成 CSV 结果。
接下来，我们将为提示编写一些样本输入和预期输出。然后将它们转换为 CSV 文件。
importpandasaspd samples=[{"text":"I loved the movie! It was fantastic.","label":"positive"},{"text":"The movie was terrible and boring.","label":"negative"},{"text":"It was an average film, nothing special.","label":"positive"},{"text":"Absolutely amazing! Best movie of the year.","label":"positive"}]pd.DataFrame(samples).to_csv("datasets/test_dataset.csv",index=False)现在我们需要有一种方法来衡量提示在这项任务中的性能。我们将定义一个指标，该指标会将提示的输出与预期输出进行比较，并据此输出通过/失败结果。
fromragas.metricsimportdiscrete_metricfromragas.metrics.resultimportMetricResult@discrete_metric(name="accuracy",allowed_values=["pass","fail"])defmy_metric(prediction:str,actual:str):"""Calculate accuracy of the prediction."""returnMetricResult(value="pass",reason="")ifprediction==actualelseMetricResult(value="fail",reason="")接下来，我们将编写实验循环，在测试数据集上运行提示词，使用指标进行评估，并将结果存储在CSV文件中。
fromragasimportexperiment@experiment()asyncdefrun_experiment(row):response=run_prompt(row["text"])score=my_metric.score(prediction=response,actual=row["label"])experiment_view={**row,"response":response,"score":score.value,}returnexperiment_view现在，每当您对提示词进行修改时，都可以运行实验，观察它如何影响提示词的性能。
传递额外参数
您可以向实验函数传递额外参数，例如模型或配置：
@experiment()asyncdefrun_experiment(row,model):response=run_prompt(row["text"],model=model)score=my_metric.score(prediction=response,actual=row["label"])experiment_view={**row,"response":response,"score":score.value,}returnexperiment_view# Run with specific parametersrun_experiment.arun(dataset,"gpt-4")# Or use keyword argumentsrun_experiment.arun(dataset,model="gpt-4o")端到端运行示例
- 设置 OpenAI API 密钥
export OPENAI_API_KEY = "your_openai_api_key"- 运行评估
python -m ragas_examples.prompt_evals.evals这将执行以下操作：
- 使用示例电影评论创建测试数据集
- 在每个样本上运行情感分类提示词
- 使用准确率指标评估结果
- 将所有内容导出到包含结果的CSV文件
完成！您已成功使用 Ragas 运行了首次评估。现在可以通过打开 experiments/experiment_name.csv 文件来查看结果。