الأطر والمنصات

Ragas

تقييم تطبيقات LLM باستخدام Ragas و TokenLab

نظرة عامة

يمكن لـ Ragas تقييم التطبيقات المدعومة من TokenLab عن طريق تمرير عميل AsyncOpenAI المتوافق مع OpenAI إلى llm_factory.

النوع: إطار عمل للتقييم

المسار الأساسي: Chat Completions المتوافقة مع OpenAI

مستوى دعم الموثوقية: مسار متوافق مع OpenAI مدعوم

التثبيت

pip install "ragas==0.4.3" "langchain-community<0.4" openai

البيئة

export TOKENLAB_API_KEY="sk-your-tokenlab-key"

مثال على المُقيّم (Evaluator)

import os

from openai import AsyncOpenAI
from ragas.llms import llm_factory
from ragas.metrics import DiscreteMetric

client = AsyncOpenAI(
    api_key=os.environ["TOKENLAB_API_KEY"],
    base_url="https://api.tokenlab.sh/v1",
)
llm = llm_factory("claude-sonnet-5", client=client)

metric = DiscreteMetric(
    name="summary_accuracy",
    allowed_values=["accurate", "inaccurate"],
    prompt="Evaluate whether the response is accurate. Answer only accurate or inaccurate.\n\nResponse: {response}",
)

استخدم llm في مقاييس Ragas ومجموعات الاختبار (testsets) بنفس الطريقة التي تستخدم بها نموذجاً مدعوماً بـ OpenAI SDK.

ملاحظات حول نقاط النهاية (Endpoint Notes)

يستخدم Ragas مسار عميل OpenAI SDK هنا. من الأفضل استخدام استجابات TokenLab الأصلية (Native TokenLab Responses)، و Anthropic Messages، ومسارات Gemini من خلال أدوات تشغيل التقييم (evaluation runners) التي تدعم أشكال الطلبات هذه مباشرة.

في هذه الصفحة