rag-eval
Skillby jonathanjing
clawhub⭐ 27/10
使用Ragas指标（忠实度、答案相关性、上下文精确度）评估RAG管道质量。
基于Ragas框架自动评估RAG管道质量，涵盖忠实度、答案相关性、上下文精度三大核心指标，帮助开发者快速定位RAG系统瓶颈。
📊 商业分析
商业模式
freemium
独特价值
一键评估RAG三大核心指标无需手动配置Ragas环境
竞品
1. Ragas官方库（直接竞品，开源免费但需自行集成，无可视化）；2. TruLens（功能更全但复杂度高）；3. DeepEval（指标更丰富但学习曲线陡）
🎯 应用场景
目标用户
AI应用开发者LLM产品经理企业知识库建设团队
工具信息
- 类型
- Skill
- 平台
- clawhub
- Stars
- ⭐ 2
- 价值评分
- 7/10
- 子分类
- RAG评估与质量优化
- 可商业化
- ✅ 是
AI 标签
RAG评估幻觉检测答案相关性上下文精度LLM质量监控
相关工具推荐
skill-creatorSKILL
由Anthropic官方出品，支持从零创建AI Skill、编辑优化现有Skill、运行评估测试并进行方差分析的性能基准对比，实现AI能力工程化闭环管理。
9/10⭐ 86,759
conversation-memorySKILL
为LLM对话提供短期、长期、实体三层持久化记忆系统，让AI真正记住用户，支持跨会话上下文延续与知识积累。
9/10⭐ 22,346
self-improvingSKILL
具备自我反思、自我批评、持续学习与记忆组织能力的自进化Agent，自动评估并永久改进输出质量，无需人工反复校正。
9/10⭐ 638
proactive-agentSKILL
将AI Agent从被动任务执行者升级为主动预判伙伴，内置WAL协议、工作缓冲区与自主定时任务，支持持续自我改进的智能体框架
9/10⭐ 628
cellcogSKILL
DeepResearch Bench排名第一的全模态AI代理框架。通过多代理编排实现深度推理与文本、图像、音频、视频等全模态融合,支持复杂任务自动化。
9/10⭐ 6