评估概览

评估为你的 LLM 应用行为提供了可重复的检查方式。你可以用数据替代猜测。

它们还能帮助你在发布变更前及时发现回归问题。你为处理某个边界情况调整了 prompt，运行评估，便能立即看到它是否以非预期的方式影响了应用行为。

快速开始

如果你刚接触 LLM 评估，建议先阅读核心概念页面。需要理解的内容很多，先过一遍核心概念会大大加快后续的学习曲线。

了解清楚要做什么之后，你可以：

• 创建数据集以稳定地衡量你的 LLM 应用性能
• 运行实验以了解应用的整体表现
• 配置实时评估器以监控你的线上 trace

在找特定主题？请查看 Evaluation Methods 与 Experiments 下的相关指南。