RAG系列（三）：系统评估 - 构造QA测试数据集

关注

原创最新推荐文章于 2026-10-05 11:34:57 发布 862 阅读 AI 写同款· GEO 优化 ›

为企业知识库选模型？全球AI大模型知识库RAG场景基准测试排名此次基准测试的结果清晰地展示了Claude 3模型在当前语言模型领域中的领先地位。无论是在准确率还是在性能成本的平衡方面，Claude 3模型都表现出色。对于需要高精度和高可靠性的应用场景，Claude 3无疑是最佳选择。但是企业的模型选择更会考虑到成本的控制，和用户请求的响应时间和体验。在这种场景下，使用谷歌的Gemini Pro 1.5则为更优质的选择。如果想了解如何在谷歌云和亚马逊云科技上使用各类AI模型，欢迎大家关注小李哥获取未来更多国际前沿AI技术方案和动态。阅读详情

引言

我们搭建了一个基础版的 RAG 系统，实现了文档解析和切分 -> 文档向量化存储 -> 用户输入问题 -> 根据问题检索相关知识 -> 将检索到的知识和原问题重新组合成 prompt -> 最后 LLM 根据增强后的 prompt 给出答案。

构造一个基础版的 RAG 系统是非常简单的，借助 LangChain 等框架可快速搭建出完整流程，代码也不会很多，但基础版的问答效果往往比较差，无法直接在实际业务中应用。

要做出一个问答效果更好的 RAG 系统，往往需要结合实际业务场景对这三个模块进行独立优化。

下面这张图是 OpenAI 介绍的 RAG 优化经验，这个准确率随不同的数据集会有不同，但基本上优化后的准确率比优化前有显著提升这个基本上是一致的。

RAG 系统的问答效果是好还是坏是需要经过评估的，而评估就需要高质量的 QA 测试数据集，所谓的 QA 测试数据集，就是一份包含“问题-回答”的测试数据集合。部分系统（如客服系统）是有这方面数据的，但绝大多数情况下是没有的，这时就需要首先构造一批问答数据，这是后续对每一步优化进行验证的基础。

本文将会使用多鲸教育研究院所发布的《2024少儿编程教育行业发展趋势报告》作为文档来构造 QA 测试数据集，后续也会围绕针对这个文档的问答效果优化展开。

本文使用通过 ollama 部署 qwen2.5:14b 模型来对《2024少儿编程教育行业发展趋势报告》这个文档进行 QA 测试数据集的构造和质检。

QA 测试数据集构造包含如下3个步骤：

• 文档解析与切分：这部分就是对文档进行解析和切分；
• 文档片段 QA 构造：这部分就是让 LLM 根据文档片段构造 QA；
• QA 质量打分：这部分就是让 LLM 再次对构造的 QA 进行质量评估。

QA 测试数据集已经构造好放在代码库里，大家可以直接使用：

https://github.com/laixiangran/ai-learn/blob/main/src/app/data/qa\_test.xlsx

本文的代码地址：

https://github.com/laixiangran/ai-learn/blob/main/src/app/rag/02\_qa\_extraction/route.ts

下面分步骤讲解下代码实现：

文档解析和切分

这一步做了一个巧妙的设计，就是将每个文档生成一个 uuid，这个 uuid 后续会作为元数据存到向量数据库中，也会和 QA 测试数据集绑定在一起，这样后续在验证检索效果的时候，就可以知道这个问题是否检索到正确的哪个文档。

// 文件解析
const loader = newPDFLoader(
'src/app/data/2024少儿编程教育行业发展趋势报告.pdf',
    {
splitPages: false,
    }
  );
const docs = await loader.load();

// 文件切分
const textSplitter = newRecursiveCharacterTextSplitter({
chunkSize: 500,
chunkOverlap: 50,
  });
const texts = await textSplitter.splitDocuments(docs);
  texts.forEach((text) => {
// 给每个文档生成uuid
    text.metadata.uuid = uuidv4();
  });

// 文档持久化
const baseTextPath = 'src/app/data/doc_base.xlsx';
awaitsaveToExcel(
    texts.map((text) => {
return {
doc: JSON.stringify(text),
      };
    }),
    baseTextPath
  );

LLM 进行 QA 构造

这一步通过 LLM 进行 QA 构造，然后将构造好的 QA 与原始文档和原始文档 uuid 进行绑定。

// 读取切分后的文档
const baseTextData = awaitreadFromExcel(baseTextPath);
  baseTextData.forEach((text) => {
    text.doc = JSON.parse(text.doc);
  });

// QA 数据集抽取
const allData = [];
const errorData = [];
const baseQaPath = `src/app/data/qa_base.xlsx`;
const errorTextPath = `src/app/data/doc_error.xlsx`;
// 本地资源有限，因此单个处理完再处理下一个
while (baseTextData.length > 0) {
const baseText = baseTextData[0];
try {
const { pageContent: document, metadata } = baseText.doc;
const prompt = `
      我会给你一段文本，你需要阅读这段文本，分别针对这段文本生成8个问题、用户回答这个问题的上下文，和基于上下文对问题的回答。

      说明：
      1. 问题要与这段文本相关，不要询问类似“这个问题的答案在哪一章”这样的问题；
      2. 上下文必须与原始文本的内容保持一致，不要进行缩写、扩写、改写、摘要、替换词语等；
      3. 答案请保持完整且简洁，无须重复问题。答案要能够独立回答问题，而不是引用现有的章节、页码等；
      4. 返回结果以JSON形式组织，格式为[{"question": "...", "context": ..., "answer": "..."}, ...]；
      5. 如果当前文本主要是目录，或者是一些人名、地址、电子邮箱等没有办法生成有意义的问题时，可以返回[]。

      文本：
${document}

      回答：
      `;
const ollamaLLM = initOllamaLLM();
const res = await ollamaLLM.invoke(prompt);
const regex = newRegExp('\\[(.*?)\\]', 's');
const match = res.content.match(regex);
if (match) {
const data = JSON.parse(`[${match[1]}]`);
        data.forEach((item) => {
          item.doc = document; // 保留原始文档
          item.uuid = metadata.uuid; // 保留原始文档 uuid
        });
        allData.push(data);

// 保存QA数据集
awaitsaveToExcel(allData.flat(), baseQaPath);
        baseTextData.shift();
      }
    } catch (error) {
console.log('error', error);
      errorData.push({ doc: JSON.stringify(baseText.doc) });
awaitsaveToExcel(errorData, errorTextPath);
      baseTextData.shift();
    }
  }

QA 构造样例如下：

LLM 进行 QA 质检

这一步通过 LLM 进行 QA 质量检查，给每个问题和答案进行打分（1-5分），并给出打分的理由。

// QA 数据集质量检查
const checkQaPath = 'src/app/data/qa_grade.xlsx';
const baseQaData = awaitreadFromExcel(baseQaPath);
const allQas = [];
while (baseQaData.length > 0) {
const baseQa = baseQaData[0];
const prompt = `
      你是一个优秀的教师，你的任务是根据问题和参考答案来进行打分。

      说明：
      1. 你需要根据所出的问题以及参考答案进行打分，并给出打分理由，分值是一个int类型的值，取值范围为1-5；
      2. 好的问题，应该是询问事实、观点等，而不是类似于“这一段描述了什么”；
      3. 好的答案，应该能够直接回答问题，而不是给出在原文中的引用，例如“在第3页中”等；
      4. 结果请以JSON形式组织，格式为如下：{"score": ..., "reason": ...}。

      问题：
${baseQa.question}

      参考答案：
${baseQa.answer}

      请打分：
      `;
const ollamaLLM = initOllamaLLM();
const res = await ollamaLLM.invoke(prompt);
const regex = newRegExp('\\{(.*?)\\}', 's');
const match = res.content.match(regex);
if (match) {
const data = JSON.parse(`{${match[1]}}`);
// 保存QA数据集
      allQas.push({ ...baseQa, ...data });
awaitsaveToExcel(allQas, checkQaPath);
    }
    baseQaData.shift();
  }

QA 质检样例如下：

QA 测试数据集构造

这一步从大于 3 分的记录中随机挑选 100 条数据作为后续的 QA 测试数据集。

// 筛选出分数大于3的记录并分为测试数据集和训练集
const data = awaitreadFromExcel(checkQaPath);
const testData = [];
const trainData = [];
  data.forEach((item, i: number) => {
if (item.score > 3) {
if (i % 2 === 0 && testData.length < 100) {
        testData.push(item);
      } else {
        trainData.push(item);
      }
    }
  });
saveToExcel(testData, 'src/app/data/qa_test.xlsx');
saveToExcel(trainData, 'src/app/data/qa_train.xlsx');

QA 测试数据集样例如下：