Translations:FACTS About Building Retrieval Augmented Generation-based Chatbots/32/zh

RAGOps：一旦 RAG 管道部署後，進行有效的健康監測至關重要。當答案質量較差時，需要進行徹底的錯誤分析，以確定問題是出在檢索相關性還是 LLM 響應生成上。為了調試檢索相關性，開發人員需要詳細了解哪些數據塊存儲在向量數據庫中及其相關元數據，查詢是如何被重新措辭的，哪些數據塊被檢索到，以及這些數據塊是如何被排序的。同樣地，如果 LLM 響應不正確，審查用於生成答案的最終提示至關重要。對於引用問題，開發人員必須追溯到原始文檔鏈接及其對應的數據塊。RAGOps/LLMOps 和評估框架（如 Ragas）對於提供必要的自動化至關重要，以便在 RAG 管道的準確性改進周期中實現快速迭代。