搜索研究与资料 · 工具介绍
DeepEval
以测试用例检查模型应用和智能体输出，评估任务完成、回答相关性与幻觉等指标。
DeepEval 能做什么
以测试用例检查模型应用和智能体输出，评估任务完成、回答相关性与幻觉等指标。
- 语言模型与智能体质量评估及回归检查
如何使用 DeepEval
为模型应用建立回归评估
准备输入
- 应用测试接口
- 输入输出样本
- 评价规则
操作步骤
- 把需要保证的模型行为写成测试样例，并选择相应评估指标或断言。
- 对当前应用运行测试，记录各样例的输入、输出和得分。
- 调整应用后复跑同一组测试，查看失败项是否修复且没有新增退化。
预期交付物
- 测试结果
- 失败用例
复核评分依据，并保留可重复运行的测试条件。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从搜索研究与资料角度评估DeepEval
把搜索研究与资料需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
来源能否回看
需要能打开的原始页面或文档位置，不能只有一段无出处的摘要。
范围是否与问题一致
核对日期、地区、对象与定义，不把相似术语当成同一事实。
是否保留反例
把冲突资料和未解决问题放进结论，避免只找支持原想法的证据。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
