此版本仍在开发中，尚未被视为稳定版。如需最新的快照版本，请使用 Spring AI 1.1.3！spring-doc.cadn.net.cn

评估测试

测试 AI 应用程序需要评估生成的内容，以确保 AI 模型未产生幻觉响应。spring-doc.cadn.net.cn

评估响应的一种方法是使用 AI 模型本身进行评估。选择最适合进行评估的 AI 模型，该模型可能与生成响应的模型不同。spring-doc.cadn.net.cn

Spring AI 用于评估响应的接口是 Evaluator，定义为：spring-doc.cadn.net.cn

@FunctionalInterface
public interface Evaluator {
    EvaluationResponse evaluate(EvaluationRequest evaluationRequest);
}

评估的输入是定义为 EvaluationRequest 的spring-doc.cadn.net.cn

public class EvaluationRequest {

	private final String userText;

	private final List<Content> dataList;

	private final String responseContent;

	public EvaluationRequest(String userText, List<Content> dataList, String responseContent) {
		this.userText = userText;
		this.dataList = dataList;
		this.responseContent = responseContent;
	}

  ...
}

相关性评估器

RelevancyEvaluator 是 Evaluator 接口的一个实现，旨在评估 AI 生成的回复与所提供上下文的相关性。该评估器通过判断 AI 模型的回复在检索到的上下文中是否与用户输入相关，来帮助评估 RAG 流程的质量。spring-doc.cadn.net.cn

评估基于用户输入、AI 模型的响应以及上下文信息。它使用提示模板询问 AI 模型该响应是否与用户输入和上下文相关。spring-doc.cadn.net.cn

这是 RelevancyEvaluator 使用的默认提示模板：spring-doc.cadn.net.cn

Your task is to evaluate if the response for the query
is in line with the context information provided.

You have two options to answer. Either YES or NO.

Answer YES, if the response for the query
is in line with context information otherwise NO.

Query:
{query}

Response:
{response}

Context:
{context}

Answer:
您可以通过 .promptTemplate() 构建器方法提供自己的 PromptTemplate 对象来自定义提示模板。详情请参阅 自定义模板。

在集成测试中的使用

以下是 RelevancyEvaluator 在集成测试中的使用示例，用于验证使用 RetrievalAugmentationAdvisor 的 RAG 流程的结果：spring-doc.cadn.net.cn

@Test
void evaluateRelevancy() {
    String question = "Where does the adventure of Anacletus and Birba take place?";

    RetrievalAugmentationAdvisor ragAdvisor = RetrievalAugmentationAdvisor.builder()
        .documentRetriever(VectorStoreDocumentRetriever.builder()
            .vectorStore(pgVectorStore)
            .build())
        .build();

    ChatResponse chatResponse = ChatClient.builder(chatModel).build()
        .prompt(question)
        .advisors(ragAdvisor)
        .call()
        .chatResponse();

    EvaluationRequest evaluationRequest = new EvaluationRequest(
        // The original user question
        question,
        // The retrieved context from the RAG flow
        chatResponse.getMetadata().get(RetrievalAugmentationAdvisor.DOCUMENT_CONTEXT),
        // The AI model's response
        chatResponse.getResult().getOutput().getText()
    );

    RelevancyEvaluator evaluator = new RelevancyEvaluator(ChatClient.builder(chatModel));

    EvaluationResponse evaluationResponse = evaluator.evaluate(evaluationRequest);

    assertThat(evaluationResponse.isPass()).isTrue();
}

您可以在 Spring AI 项目中找到多个集成测试，这些测试使用 RelevancyEvaluator 来验证 QuestionAnswerAdvisor（参见 tests）和 RetrievalAugmentationAdvisor（参见 tests）的功能。spring-doc.cadn.net.cn

自定义模板

RelevancyEvaluator 使用默认模板提示 AI 模型进行评估。您可以通过 .promptTemplate() 构建器方法提供自己的 PromptTemplate 对象来自定义此行为。spring-doc.cadn.net.cn

自定义的 PromptTemplate 可以使用任何 TemplateRenderer 实现（默认情况下，它使用基于 StringTemplate 引擎的 StPromptTemplate）。重要的要求是模板必须包含以下占位符：spring-doc.cadn.net.cn

事实检查评估器

FactCheckingEvaluator 是 Evaluator 接口的另一种实现，旨在根据提供的上下文评估 AI 生成响应的事实准确性。该评估器通过验证给定陈述（主张）是否在逻辑上得到所提供上下文（文档）的支持，帮助检测并减少 AI 输出中的幻觉现象。spring-doc.cadn.net.cn

“声明”和“文档”将提交给人工智能模型进行评估。为此目的，已有更小、更高效的人工智能模型可用，例如 Bespoke 的 Minicheck，与 GPT-4 等旗舰模型相比，它有助于降低执行这些检查的成本。Minicheck 也可通过 Ollama 使用。spring-doc.cadn.net.cn

用法

FactCheckingEvaluator 构造函数接受一个 ChatClient.Builder 作为参数：spring-doc.cadn.net.cn

public FactCheckingEvaluator(ChatClient.Builder chatClientBuilder) {
  this.chatClientBuilder = chatClientBuilder;
}

评估器使用以下提示模板进行事实核查：spring-doc.cadn.net.cn

Document: {document}
Claim: {claim}

其中 {document} 是上下文信息，{claim} 是待评估的 AI 模型响应。spring-doc.cadn.net.cn

例举

以下是如何使用基于 Ollama 的 ChatModel（特别是 Bespoke-Minicheck 模型）搭配 FactCheckingEvaluator 的示例：spring-doc.cadn.net.cn

@Test
void testFactChecking() {
  // Set up the Ollama API
  OllamaApi ollamaApi = new OllamaApi("http://localhost:11434");

  ChatModel chatModel = new OllamaChatModel(ollamaApi,
				OllamaChatOptions.builder().model(BESPOKE_MINICHECK).numPredict(2).temperature(0.0d).build())


  // Create the FactCheckingEvaluator
  var factCheckingEvaluator = new FactCheckingEvaluator(ChatClient.builder(chatModel));

  // Example context and claim
  String context = "The Earth is the third planet from the Sun and the only astronomical object known to harbor life.";
  String claim = "The Earth is the fourth planet from the Sun.";

  // Create an EvaluationRequest
  EvaluationRequest evaluationRequest = new EvaluationRequest(context, Collections.emptyList(), claim);

  // Perform the evaluation
  EvaluationResponse evaluationResponse = factCheckingEvaluator.evaluate(evaluationRequest);

  assertFalse(evaluationResponse.isPass(), "The claim should not be supported by the context");

}