Как оценивать RAG-систему: верность источникам, уместность ответа, точность и полнота контекста (Ragas)?

RAG оценивают по двум осям: retrieval (нашёл ли релевантное?) и generation (хорошо ли ответил?). Ключевые метрики Ragas: context recall (нашли ли все нужные факты), context precision (нет ли мусора в контексте), faithfulness (нет ли галлюцинаций — каждый ли claim подтверждён контекстом), answer relevance (отвечает ли на вопрос). Без этих метрик RAG деградирует молча.