官网查看
定制方案
- ✓
暂未采集到具体套餐，价格以官网为准
ReportIQ
评估 RAG 检索效果，并使用 AI 探索您的文档
ReportIQ 是什么？
ReportIQ 是一款专为开发者与 AI 从业者打造的文档问答与 RAG 评估应用，支持针对 PDF 提问并探索检索质量。它借助 BGE embeddings、FAISS 和 LangSmith 检查 LLM 工作流，帮助用户实验和优化检索增强生成。
产品详细介绍
评估 RAG 检索效果，并使用 AI 探索您的文档
ReportIQ 是一款专为开发者与 AI 从业者打造的文档问答与 RAG 评估应用，支持针对 PDF 提问并探索检索质量。它借助 BGE embeddings、FAISS 和 LangSmith 检查 LLM 工作流，帮助用户实验和优化检索增强生成。
定价方案
需要付费创始人评论
Ronit Rajput创始人
嗨，Product Hunt！
我在探索一个超越“再做一个 AI 聊天机器人”的问题时，构建了 ReportIQ：
我们如何判断 RAG 系统检索到的是正确的证据，而不只是生成了一个看似可信的回答？
ReportIQ 是我通过一个可实际使用的文档问答应用、检索评估和 LLM 可观测性来探索这一问题的尝试。
你可以体验的内容：
• 针对 PDF 文档提问。
• 体验使用 BGE embeddings 和 FAISS 构建的 RAG 流程。
• 使用 Recall@K 和 MRR 等指标评估检索质量。
• 通过 LangSmith 检查 LLM 工作流。
我将 8 份 PDF 文档处理为 721 个分块，并在 50 个问题上对检索效果进行了评估。我记录的最新基线测试实现了 91.7% 的 Recall@3；这是基于一个评估集得到的初步结果，并不代表其总体性能。
使用 Python、Streamlit、FAISS、BGE embeddings 和 LangSmith 构建。
试用 ReportIQ： https://reportiq.streamlit.app/
查看代码： https://github.com/Ronit-019/ReportIQ
尤其希望能收到你们对检索评估方法、用户体验以及下一步改进方向的反馈。
感谢体验！
创始团队
Ronit Rajput创始团队
