Frameworks & Plattformen
Ragas
Evaluieren Sie LLM-Apps mit Ragas und TokenLab
Überblick
Ragas kann TokenLab-gestützte Anwendungen evaluieren, indem ein OpenAI-kompatibler AsyncOpenAI-Client an llm_factory übergeben wird.
Installation
pip install "ragas==0.4.3" "langchain-community<0.4" openaiUmgebung
export TOKENLAB_API_KEY="sk-your-tokenlab-key"Beispiel-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}",
)Verwenden Sie llm in Ragas-Metriken und Testsets auf die gleiche Weise, wie Sie ein Modell verwenden würden, das auf dem OpenAI SDK basiert.
Hinweise zu Endpunkten
Dieses Ragas-Setup verwendet das OpenAI SDK. Responses, Anthropic Messages und Gemini erfordern einen Evaluations-Client, der das entsprechende Format unterstützt.