RAG 效果怎么评：检索质量与回答准确度的 5 个指标

很多团队上线 RAG 后凭感觉判断好坏。要持续优化，得先把「好」定义成可测量的指标。

检索侧：召回与精排

召回率（该召的有没有召到）与准确率（召回来的相不相关）是第一道关。检索错了，后面再强的模型也救不回。

• Recall@K：正确答案是否在前 K 条
• Precision@K：前 K 条里有多少真相关

生成侧：忠实与有用

忠实度（答案是否真来自检索内容、没编造）与答案相关性（有没有答到点上）衡量最终输出质量。

端到端：用集测代替拍脑袋

沉淀一批「问题—标准答案—参考答案」的评测集，每次改检索策略或提示词都跑一遍，用分数变化判断是否真的变好。

指标不是目的，持续对比才是。把评测接进迭代流程，RAG 才会越用越聪明。