基于指标的评估#

专业版和企业版计划可用

基于指标的评估在专业版和企业版计划上可用。注册社区和入门计划用户也可以为单个工作流使用它。

一旦您的工作流准备好部署，您通常希望在比构建时更多的示例上测试它。

例如，当生产执行开始出现边缘情况时，您希望将它们添加到测试数据集中，以便确保它们得到覆盖。

对于从生产数据构建的大型数据集，仅通过目视检查结果很难了解性能。相反，您必须测量性能。基于指标的评估可以为每个测试运行分配一个或多个分数，您可以将其与之前的运行进行比较。个别分数会汇总以测量整个数据集的性能。

此功能允许您运行计算指标的评估，跟踪这些指标在运行之间的变化，并深入了解这些变化的原因。

指标可以是确定性函数（例如两个字符串之间的距离）或者您可以使用 AI 计算它们。指标通常涉及检查输出与参考输出（也称为基本事实）的距离。为此，数据集必须包含该参考输出。不过，有些评估不需要这个参考输出（例如，检查文本的情感或毒性）。

工作原理#

需要 Google Sheets

评估使用 Google Sheets 存储测试数据集。要使用评估，您必须配置 Google Sheets 凭据。

按照设置说明创建数据集并将其连接到您的工作流，将输出写回数据集。

以下步骤使用来自轻量级评估文档的相同支持工单分类工作流：

指标是用于对工作流输出进行评分的维度。它们通常将实际工作流输出与参考输出进行比较。通常使用 AI 来计算指标，尽管有时也可以只使用代码。在 n8n 中，指标始终是数字。

您需要添加逻辑来计算工作流的指标，在工作流产生输出之后的某个点。您可以将指标使用的任何参考输出作为数据集中的列添加。这确保它们在工作流中可用，因为它们将由评估触发器输出。

使用 设置指标 操作来计算：

您还可以添加自定义指标。只需在工作流内计算指标，然后将它们映射到评估节点。使用 设置指标 操作并选择 自定义指标 作为指标。然后您可以设置要返回的指标的名称和值。

例如：

计算指标可能会增加延迟和成本，因此您可能只想在运行评估时进行，而在进行生产执行时避免这样做。您可以通过将指标逻辑放在'检查是否评估'操作之后来实现这一点。

切换到工作流上的评估选项卡并点击 运行评估 按钮。评估将开始。评估完成后，它将显示每个指标的汇总分数。

您可以通过点击测试运行行来查看每个测试用例的结果。点击单个测试用例将打开产生它的执行（在新选项卡中）。