Оценка RAG

Filesystem RAG benchmarks: corpus/, train.json, evaluate_rag.py (RAGAS quality). Not for prod monitoring, latency/throughput benchmarking (use rag-perf), or evals outside this repo layout.

AInvidia official Другое

Что делает навык

Файловые бенчмарки RAG: corpus/, train.json, evaluate_rag.py (оценка качества RAGAS). Не для мониторинга в проде, бенчмаркинга задержки/пропускной способности (используйте rag-perf) или оценок вне структуры этого репозитория.

Как подключить

1Скачать навык

# возьмите папку навыка «rag-eval» из репозитория: # https://github.com/nvidia/skills

2Положить папку с SKILL.md к навыкам ассистента

# положите папку навыка туда, где ассистент ищет skills: cp -r rag-eval/ ~/.claude/skills/rag-eval/

Навык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.