为此，存在几个框架，例如DeepEval，它提供了超过 14 种评估指标来评估幻觉和忠实度等标准；MLflow LLM Evaluate，以其模块化和简单性而闻名，可以在自定义管道中进行评估；RAGAs，专注于定义 RAG 管道，提供忠实度和上下文相关性等指标来计算综合的 RAGA 质量得分。