langflow_ragas

Ragas-Bewertung zu Langflow

Das Repository implementiert den Code für RAGAS-Metriktreue, Antwortrelevanz, Kontextrückruf und Kontextgenauigkeit (https://docs.ragas.io/en/stable/index.html) in einer RAG-Pipeline.

Dies erfolgt durch die Erstellung der benutzerdefinierten Komponente ragas_custom_component.json.

Anleitung

Klonen Sie das Repository

 git clone https : // github . com / paulomuraroferreira / langflow_ragas . git

Langflow und Ragas installieren:

!p ip install langflow == 1.0 . 11
!p ip install ragas == 0.1 . 10

Auf dem Terminal ausführen

 langflow run

Laden Sie die JSON-RAG-Pipeline RAGAS metrics.json hoch

Kopieren Sie die PDF-Dokumente in den Ordner pdf_documents oder ändern Sie den Pfad in der Document Loader-Komponente:

Geben Sie Ihren OpenAI-API-Schlüssel für beide Embeddings-Komponenten ein.

auf der OpenAI-Modellkomponente,

und auf der benutzerdefinierten Ragas-Komponente:

Führen Sie die Chunking-Pipeline aus, indem Sie die ChromaDB-Komponente ausführen:

Betreten Sie den Spielplatz und stellen Sie Fragen: