yuyonghao-evaluation-suite（余永浩评估套件）

Evaluation Suite - OpenClaw 评估体系

版本: 0.1.0 功能: RAG评估 + 推理评估 + 幻觉检测

功能特性

• RAG 评估: 检索质量、答案相关性、上下文准确性
• 推理评估: 逻辑推理能力测试
• 幻觉检测: 检测 AI 生成内容中的幻觉
• 批量评估: 支持批量测试用例评估
• 统一接口: 一致的评估 API

安装

cd skills/evaluation-suite
npm install

快速开始

import { Evaluator } from './src/evaluator.js';

// 创建评估器
const evaluator = new Evaluator({
  rag: { threshold: 0.7 },
  reasoning: { threshold: 0.8 },
  hallucination: { threshold: 0.5 }
});

// RAG 评估
const ragResult = await evaluator.evaluate('rag', {
  query: '什么是 OpenClaw?',
  retrievedDocs: ['OpenClaw 是一个 AI 助手框架...'],
  generatedAnswer: 'OpenClaw 是一个 AI 助手框架'
});

console.log('RAG Score:', ragResult.score);

// 幻觉检测
const hallucinationResult = await evaluator.evaluate('hallucination', {
  context: 'OpenClaw 是一个框架',
  generatedText: 'OpenClaw 是一个编程语言'
});

console.log('Hallucination:', hallucinationResult.isHallucination);

API 参考

Evaluator

构造函数

new Evaluator(config)

参数:

• config.rag.threshold - RAG 评估阈值 (默认: 0.7)
• config.reasoning.threshold - 推理评估阈值 (默认: 0.8)
• config.hallucination.threshold - 幻觉检测阈值 (默认: 0.5)

evaluate(type, params)

运行评估

// RAG 评估
await evaluator.evaluate('rag', {
  query: '问题',
  retrievedDocs: ['文档1', '文档2'],
  generatedAnswer: '生成的答案'
});

// 推理评估
await evaluator.evaluate('reasoning', {
  problem: '推理问题',
  solution: '解决方案',
  expectedAnswer: '期望答案'
});

// 幻觉检测
await evaluator.evaluate('hallucination', {
  context: '上下文',
  generatedText: '生成的文本'
});

batchEvaluate(type, testCases)

批量评估

const results = await evaluator.batchEvaluate('rag', [
  { query: 'Q1', retrievedDocs: [...], generatedAnswer: 'A1' },
  { query: 'Q2', retrievedDocs: [...], generatedAnswer: 'A2' }
]);

RAGEvaluator

evaluate(params)

评估 RAG 质量

import RAGEvaluator from './src/rag-eval.js';

const evaluator = new RAGEvaluator({ threshold: 0.7 });
const result = await evaluator.evaluate({
  query: '问题',
  retrievedDocs: ['文档1', '文档2'],
  generatedAnswer: '答案'
});

// 返回: { score, relevanceScore, contextScore, passed }

ReasoningEvaluator

evaluate(params)

评估推理能力

import ReasoningEvaluator from './src/reasoning-eval.js';

const evaluator = new ReasoningEvaluator({ threshold: 0.8 });
const result = await evaluator.evaluate({
  problem: '逻辑问题',
  solution: '解决步骤',
  expectedAnswer: '期望答案'
});

// 返回: { score, logicScore, completenessScore, passed }

HallucinationDetector

detect(params)

检测幻觉

import HallucinationDetector from './src/hallucination-detector.js';

const detector = new HallucinationDetector({ threshold: 0.5 });
const result = await detector.detect({
  context: '原始上下文',
  generatedText: '生成的文本'
});

// 返回: { isHallucination, score, indicators }

测试

npm test

License

MIT