RAG 教程

你可以在下面找到一个 RAG 教程列表。这些教程旨在帮助你开始使用 RAG 评估，并引导你完成一个具体的示例，展示如何评估一个回答关于 MLflow 文档问题的 RAG 应用程序。

端到端 LLM RAG 评估教程

本笔记本专为在 Databricks 平台上使用而设计，展示了如何配置、创建并与完整的 RAG 系统进行交互的端到端示例。本教程中使用的示例使用 MLflow 的文档作为嵌入文档的语料库，RAG 应用程序将使用这些文档来回答问题。使用 ChromaDB 存储文档嵌入，并使用 LangChain 来编排 RAG 应用程序，我们将使用 MLflow 的 evaluate 功能来根据一系列问题评估从我们的语料库中检索到的文档。您可以点击“下载此笔记本”按钮将 .ipynb 文件下载到本地，并直接导入到 Databricks 工作区中。

End-to-End RAG Evaluation with MLflow

Comprehensive tutorial on evaluating Retrieval-Augmented Generation (RAG) systems using MLflow

RAG 教程的问题生成

本笔记本是一个逐步教程，介绍如何在RAG内生成用于检索评估的问题数据集。它将指导您获取文档数据集，通过LLMs上的提示工程生成相关问题，并分析问题数据集。然后，该问题数据集可用于后续的检索模型评估任务，这是RAG的一部分，它根据用户的问题收集和排序相关文档块。

Question Generation for RAG Evaluation

Step-by-step demonstration for how to automatically generate a question-answering dataset for RAG evaluation

检索器评估教程

本教程通过一个具体的示例，指导您如何构建和评估一个回答有关MLflow文档问题的RAG应用程序。

在本教程中，您将学习：

• 如何为您的RAG应用程序准备评估数据集。

• 如何在 MLflow 评估 API 中调用你的检索器。

• 如何使用 MLflow evaluate 根据一系列查询评估检索器检索相关文档的能力。

如果您希望在您的环境中执行此笔记本的副本，请在此处下载笔记本：

Retriever Evaluation with MLflow

Learn how to leverage MLflow to evaluate the performance of a retriever in a RAG application, leveraging built-in retriever metrics precision_at_k and recall_at_k.