当前位置：首页 > wzjs >正文

青岛做视频的网站设计免费网站大全

wzjs 2025/7/20 11:01:32

青岛做视频的网站设计,免费网站大全,小公司怎么做免费网站,windows server 2008 网站配置从聊天机器人到智能助手，我们都在努力提升用户体验。但如何确保这些应用真的能达到预期效果呢？这就需要一个强大的评估系统。LangGraph结合了LangSmith和OpenEvals，为智能应用提供了一套完整的评估解决方案。看看这个评估系统是如何工作的。 …

从聊天机器人到智能助手，我们都在努力提升用户体验。但如何确保这些应用真的能达到预期效果呢？这就需要一个强大的评估系统。LangGraph结合了LangSmith和OpenEvals，为智能应用提供了一套完整的评估解决方案。看看这个评估系统是如何工作的。

评估可以帮助我们发现应用的优点和不足，从而进行优化和改进。
就像一个医生给病人做体检一样，评估就是给智能应用做“体检”，确保它健康、高效。

LangGraph的评估流程

LangGraph的评估流程可以分为几个简单的步骤：创建数据集、定义目标函数、定义评估器、运行评估。接下来，我们详细看看每个步骤。

1.创建数据集

首先，需要准备一些测试数据，这些数据将用来评估我们的智能应用。在LangGraph中，我们可以使用LangSmith来创建和管理数据集。比如，我们可以创建一个包含一些常见问题和答案的数据集。


from langsmith import Clientclient = Client()# 在 LangSmith 中以编程方式创建数据集
# 关于其他数据集创建方法，请参阅：
# https://docs.smith.langchain.com/evaluation/how_to_guides/manage_datasets_programmatically
# https://docs.smith.langchain.com/evaluation/how_to_guides/manage_datasets_in_applicationdataset_name = "示例数据集2"dataset = client.create_dataset(dataset_name=dataset_name, description="LangSmith 中的一个示例数据集。"
)# 创建示例
examples = [{"inputs": {"question": "杭州在哪里？"},"outputs": {"answer": "中国的南方。"},},{"inputs": {"question": "地球的最低点是什么？"},"outputs": {"answer": "地球的最低点是死海。"},},
]# 将示例添加到数据集
client.create_examples(dataset_id=dataset.id, examples=examples)#会上传到langSmith服务中了

运行后会上传到LangSmith中
在这里插入图片描述
在这个例子中，我们创建了一个名为“示例数据集2”的数据集，并添加了两个示例问题和答案。

2.定义目标函数

接下来，我们需要定义一个目标函数，将包含我们要评估的内容。
比如，我们可以定义一个函数，让它调用我们的智能应用来回答问题。

 pip install -U agentevals

# -*- coding: utf-8 -*-
from langgraph.prebuilt import create_react_agent
from langchain_community.chat_models.tongyi import ChatTongyi# 提示
# 这个快速入门使用了开源 openevals 包中的预构建 LLM-as-judge 评估器。OpenEvals 包含了一组常用的评估器，如果你是评估新手，这是一个很好的起点。如果你想在评估你的应用程序时有更大的灵活性，你也可以使用自己的代码定义完全自定义的评估器。# 要开始，你可以使用 AgentEvals 包中的预构建评估器：
# pip install -U agentevals#模型初始化
llm = ChatTongyi(model="qwen-max-latest",#qwen-max-latest qwen-plus qwen-turbotemperature=0,verbose=True,)def target(inputs: dict) -> dict:#构建一个智能体agent = create_react_agent(model=llm,tools=[],)response = agent.invoke({"messages": [{"role": "system", "content": "准确回答以下问题"},{"role": "user", "content": inputs["question"]},]})return {"answer": print(response["messages"][-1]) }

这个函数会调用我们的智能应用，传入一个问题，然后返回应用的回答。

3.定义评估器

有了目标函数和测试数据后，我们需要定义评估器。评估器的作用是根据测试数据和目标函数的结果，给出一个评估分数。LangGraph使用了OpenEvals来定义评估器。


from openevals.llm import create_llm_as_judge
from openevals.prompts import CORRECTNESS_PROMPTdef correctness_evaluator(inputs: dict, outputs: dict, reference_outputs: dict):evaluator = create_llm_as_judge(prompt=CORRECTNESS_PROMPT,model=llm,feedback_key="correctness",)eval_result = evaluator(inputs=inputs,outputs=outputs,reference_outputs=reference_outputs)return eval_result

这个评估器会比较目标函数的结果和测试数据中的正确答案，然后给出一个评估分数。

4.运行评估

最后，我们运行评估。LangGraph会自动将测试数据传入目标函数，然后用评估器给出评估分数。

experiment_results = client.evaluate(target,# data="Sample dataset",data=dataset_name,#8e388686-616d-4c66-8467-1b0e8270f983evaluators=[correctness_evaluator,# 可以在这里添加多个评估器],experiment_prefix="first-eval-in-langsmith",max_concurrency=2,
)