第九章 · 测试与评估体系

本章定位：前面八章讲了 SparkX RAG 的完整链路怎么工作。但系统搭起来后，怎么知道它工作得好不好？ 用户问「退货政策」，召回的块对不对？意图分类准不准？图谱抽取的实体关系有没有用？靠「感觉」调参是调不好的，必须能量化测量。SparkX 内建了三个测试功能——召回测试、图谱测试、意图测试，分别针对 RAG 链路的不同环节，让你在上线前和运营中持续评估质量。

本章逐一拆解这三个测试：它们测什么、怎么测、结果怎么看、怎么用测试结果指导优化。

---

一、为什么 RAG 系统需要测试体系

1. RAG 是个「多环节链条」，每环都可能出问题

回顾前八章的 RAG 链路：

文档分块 → 向量化 → 检索（向量+关键词+图谱）→ 意图路由 → 重排 → 生成

每个环节都可能出问题：

• 分块切坏了 → 检索召回的块是残缺的；
• 向量模型选错了 → 语义相似度算得不准；
• 意图分类错了 → 路由到错误的库；
• 图谱实体抽错了 → 子图扩展找错关联。

如果只看最终答案质量，你根本不知道是哪一环出了问题——是检索没召回，还是召回了但生成 Prompt 写错了？

2. 分环节测试 = 精准定位问题

三个测试功能对应链路的三个关键环节：

测试	测哪个环节	回答什么问题
召回测试	检索（向量+关键词）	「这个问题能召回对的内容吗？分数高不高？」
图谱测试	知识图谱检索	「实体抽对了吗？子图扩展找到关联块了吗？」
意图测试	意图分类	「问题被分到正确的意图节点了吗？准确率多少？」

每个测试只测一个环节，这样问题能精准定位——召回测试分低，就是检索/分块/向量化的问题；意图测试准确率低，就是意图配置或 Prompt 的问题。

💡 这就是「分环节测试」的价值：把「答案不好」这个模糊问题，拆成「哪个环节不好」的精准诊断。

---

二、召回测试（Hit Test）—— 检索质量的体检

1. 测什么

---

🔒 以上为本章部分预览（约 10%）

本章剩余 90% 内容包含：关键源码逐行拆解、设计细节与工程权衡、代码示例与生产实践要点。

💡 本次展示的仅为部分预览内容（约 10%）。完整的源码深度解析包含每一个技术点的完整实现细节。点击上方按钮扫码加入知识星球，解锁全部内容。