上一篇聊完了五个评测指标但在跃跃欲试跑代码前需要先配置好基础环境我踩过的第一个坑就是指标懂了但环境搭的问题频出。 RAGAS本身不负责帮你连模型、连数据库这些都得自己配。所以这篇就讲前期配置核心是一个 config.yaml。为什么非要搞个config.yaml一开始我也是硬编码把模型地址、数据库连接直接写死在代码里。结果换了个模型换了个配置容易改得满屏都是还容易漏。后来统一配置到一个 config.yaml 里代码只读配置换环境改文件就行。由于自己实际项目使用的是es搜索引擎存放业务文档非关系性数据库选用Mongodb配置的yaml大概长这样llm:url:https://xxx/v1api_key:sk-xxxmodel:实际模型名称es:url:http://xxxxxx:xxxx; username:real_namepassword:xxxxxxxmongo:host:实际地址port:端口号 username:xxxx password:xxxx基础信息写好了但是真链接起来问题是不少。接下来先写好config.py文件把congfig.yaml读取出来import os import yaml current_diros.path.dirname(os.path.abspath(__file__)) project_fileos.path.dirname(current_dir) config_yamlos.path.join(project_file,config.yaml) with open (config_yaml,r,encodingutf-8) as f: configsyaml.safe_load(f)(注:我是在项目工程根目录下创建了一个文件下写的config.py如果直接在项目工程下写config.py可少写一层os.path.join反之需多写一层os.path.join)首先配LLM最容易被连不上卡住第一个难点是 base_url 到底填什么。很多人直接把官网地址填进去结果报 404。注意这里要填的是 兼容 OpenAI 格式的接口地址通常结尾要带 /v1。如果你用的是国内模型或者私有部署一定要确认它有没有提供OpenAI 兼容接口。第二个难点是 评判模型和被测模型别用同一个前面说过 RAGAS 是模型评分框架如果拿一个弱模型既当被测又当裁判分数会很不靠谱。建议评判模型选能用到的最强的。下一篇接着讲如何测试mangodb和es的链接顺便做好封装包后面需要用到这两个直接调用即可。