OpenAI 教程：评估 RAG 系统

我们很高兴推出我们的 OpenAI 教程，这是一份使用 LlamaIndex 评估检索增强生成（RAG）系统的指南。我们希望您能发现它对提升 RAG 系统的效率有所帮助，并且很高兴与您分享。

OpenAI 教程包含三个章节

1. 理解检索增强生成 (RAG)：提供了 RAG 系统的详细概述，包括构建 RAG 系统涉及的各个阶段。
2. 使用 LlamaIndex 构建 RAG：在这里，我们深入探讨实践方面，演示如何使用 LlamaIndex 构建 RAG 系统，特别应用于 Paul Graham 的文章，并利用 VectorStoreIndex。
3. 使用 LlamaIndex 评估 RAG：最后一部分重点评估 RAG 系统在两个关键领域的性能：检索系统和响应生成。

我们使用我们独特的合成数据集生成方法，generate_question_context_pairs，在这些领域进行全面评估。

我们这份教程的目标是为社区提供一个重要资源，以有效评估和增强使用 LlamaIndex 开发的 RAG 系统。

加入我们，深入探索 RAG 系统评估，并了解如何通过 LlamaIndex 充分发挥您的 RAG 实现的潜力。

继续使用 LlamaIndex 进行构建！🦙