百用集研究资料桌
搜索研究与资料 · 工具介绍

LangKit

LangKit 是用于语言模型监测的文本指标工具包,可提取输入与输出文本的质量、相关性、情绪及风险信号,并结合 whylogs 生成可分析的指标记录。

LangKit 能做什么

LangKit 是用于语言模型监测的文本指标工具包,可提取输入与输出文本的质量、相关性、情绪及风险信号,并结合 whylogs 生成可分析的指标记录。

  • 语言模型与智能体质量评估及回归检查
搜索研究与资料 · 从小样开始

如何使用 LangKit

为提示词与回答样本生成文本质量指标

准备输入

  • 允许分析的提示词与模型回答样本。
  • 已安装 LangKit 和相关依赖的 Python 环境。

操作步骤

  1. 安装所需 LangKit 模块,准备包含 prompt 和 response 字段的文本样本。
  2. 导入 llm_metrics,以初始化的 schema 调用 why.log 计算指标。
  3. 检查指标记录,结合具体文本定位需要人工复核的回答或输入,再记录改进方向。

预期交付物

  • 提示词与回答的指标记录及人工复核清单。

相似度、模式匹配和一致性指标只是检查信号,不能单独证明回答正确或请求安全;应结合文本内容及具体应用规则解释结果。

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。

查看 LangKit 官方说明 ↗

百用集 · 场景选型

从搜索研究与资料角度评估LangKit

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。

  1. 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。

  2. 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。

  3. 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。

← 返回全部 AI 工具