Agentic RAG 的评估指标有哪些？

1. RAGAS 核心指标体系

RAGAS（Retrieval Augmented Generation Assessment）是业界广泛采用的 RAG 评测框架，定义了以下核心指标。下表阈值综合 2026 年多家行业基准（DatavLab、Metafied Lab、InfoQ 等）的共识区间，具体取值应结合业务风险容忍度设定：

2. Agentic RAG 特有指标

除通用 RAG 指标外，Agentic RAG 还需要评估以下特有维度：

• 检索必要性准确率：智能体是否正确判断了是否需要检索
• 工具调用准确率（Tool Call Accuracy）：智能体是否选择了正确的工具并传入了合适的参数
• 多跳成功率：需要多轮检索的问题是否最终获得了完整答案
• 迭代效率：平均需要多少轮检索才能收敛（过度检索和检索不足都是问题）
• 每次正确回答的成本：综合 Token 消耗、API 调用次数和延迟

3. 评估实践建议

• 建立 50～200 条查询的"黄金数据集"作为评估基准，锚定后不随意更新
• 在 CI/CD 流水线中集成自动化评估，每次修改提示词、检索策略或模型时自动运行
• 对 5% 的线上流量进行人工抽检，校准自动评估器的偏差
• 关注趋势而非单次分数，避免对个别异常值过度反应