题目：你在测试一个基于 RAG（检索增强生成）架构的知识库问答系统，产品反馈"回答不准确"。请口述你会如何分层设计测试策略来评估检索质量，并说明常用指标和工具。
难度：中级 题型：面试口述题
参考答案/答题要点：
- 分层归因思路：先测检索层再测生成层，定位问题在"召回不对"还是"召回对了但生成跑偏"。
- 检索层核心指标：
- Recall@K：Top-K 结果中包含正确文档的比例
- MRR（Mean Reciprocal Rank）：正确文档首次出现位置的倒数均值
- NDCG@K：考虑排序位置的归一化折损累计增益
- 生成层端到端指标（RAGAS 框架四维度）：
- Faithfulness：答案是否可被检索到的上下文支撑（防幻觉）
- Answer Relevance：答案是否切题
- Context Precision：检索到的上下文是否精炼
- Context Recall：上下文是否覆盖了回答所需信息
- 测试集构造：人工标注 Golden QA 对 + LLM 辅助批量生成边界/对抗样本
- 常用工具：RAGAS、TruLens、DeepEval、LangSmith Tracing
- 实际工作采分：强调与业务对齐（如客服场景关注幻觉率，搜索场景关注 Recall），以及 bad case 分类归因能力
