【摘要】上一篇结尾说要拿下 RAG 应用评测。别急，动手之前还差最后一块拼图，工具。 前五篇你手里已经攒齐了一套完整的测评方法：测什么（测评集）、怎么量（指标）、谁来判（评分器）。 但这套东西现在还躺在文档和脑子里，要变成一份能交给老板的评测报告，中间隔着一条执行链路，题怎么批量发出去、结果怎么逐条判、分数 阅读全文