技术与工程已解决
RAG 评估指标：把质量拆成可测量的指标
忠实度、答案相关性、上下文精确率与召回率——把 RAG 质量拆成可行动的环节。
问题正文
四大核心指标
忠实度（答案是否忠于检索到的内容，衡量幻觉）、答案相关性（答案是否回应了问题）、上下文精确率（检索内容中有多少是相关的）、上下文召回率（相关内容是否都被检索到）。
指标定位问题
忠实度低是生成提示词或模型问题；召回率低是切分或 Embedding 问题；精确率低是检索噪声大，加重排序。指标体系把 RAG 不好拆成了可行动的环节。
LLM 裁判的校准
这些指标大多用 LLM 评审计算，裁判模型的选择与提示词直接影响分数。换裁判模型时要用人工标注样本重新校准。