适用于 Python 的 Azure AI 评估 SDK。用于通过质量、安全及自定义评估器来评估生成式 AI 应用程序。
Azure AI 评估 Python.
功能概述
Azure AI 评估 Python.是一项面向实际任务的技能,主要用于Assessive general AI 应用性能与内置和定制评价器. 1. 环境变量: 建设-内置评价器 质量评价器(AI-Asssided)。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。
核心要点
- 使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。
- 该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。
- 从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。
使用与执行
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。
结果检查与注意事项
执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
Azure AI Evaluation SDK for Python
使用内置评估器和自定义评估器,评估生成式 AI 应用的性能。
安装
pip install azure-ai-evaluation # 启用远程评估支持 pip install azure-ai-evaluation[remote]
环境变量
# 用于 AI 辅助型评估器 AZURE_OPENAI_ENDPOINT=https://.openai.azure.com AZURE_OPENAI_API_KEY= AZURE_OPENAI_DEPLOYMENT=gpt-4o-mini # 用于 Foundry 项目集成 AIPROJECT_CONNECTION_STRING=
内置评估器
质量评估器(AI 辅助型)
from azure.ai.evaluation import (
GroundednessEvaluator,
RelevanceEvaluator,
CoherenceEvaluator,
FluencyEvaluator,
SimilarityEvaluator,
RetrievalEvaluator
)
# 使用 Azure OpenAI 模型配置初始化
model_config = {
"azure_endpoint": os.environ["AZURE_OPENAI_ENDPOINT"],
"api_key": os.environ["AZURE_OPENAI_API_KEY"],
"azure_deployment": os.environ["AZURE_OPENAI_DEPLOYMENT"]
}
groundedness = GroundednessEvaluator(model_config)
relevance = RelevanceEvaluator(model_config)
coherence = CoherenceEvaluator(model_config)
质量评估器(基于 NLP)
from azure.ai.evaluation import (
F1ScoreEvaluator,
RougeScoreEvaluator,
BleuScoreEvaluator,
GleuScoreEvaluator,
MeteorScoreEvaluator
)
f1 = F1ScoreEvaluator()
rouge = RougeScoreEvaluator()
bleu = BleuScoreEvaluator()
安全评估器
from azure.ai.evaluation import (
ViolenceEvaluator,
SexualEvaluator,
SelfHarmEvaluator,
HateUnfairnessEvaluator,
IndirectAttackEvaluator,
ProtectedMaterialEvaluator
)
violence = ViolenceEvaluator(azure_ai_project=project_scope)
sexual = SexualEvaluator(azure_ai_project=project_scope)
单行评估
from azure.ai.evaluation import GroundednessEvaluator
groundedness = GroundednessEvaluator(model_config)
result = groundedness(
query="What is Azure AI?",
context="Azure AI is Microsoft's AI platform...",
response="Azure AI provides AI services and tools."
)
print(f"Groundedness score: {result['groundedness']}")
print(f"Reason: {result['groundedness_reason']}")
使用 evaluate() 进行批量评估
from azure.ai.evaluation import evaluate
result = evaluate(
data="test_data.jsonl",
evaluators={
"groundedness": groundedness,
"relevance": relevance,
"coherence": coherence
},
evaluator_config={
"default": {
"column_mapping": {
"query": "${data.query}",
"context": "${data.context}",
"response": "${data.response}"
}
}
}
)
print(result["metrics"])
复合评估器
from azure.ai.evaluation import QAEvaluator, ContentSafetyEvaluator
# 一站式涵盖全部质量指标
qa_evaluator = QAEvaluator(model_config)
# 一站式涵盖全部安全指标
safety_evaluator = ContentSafetyEvaluator(azure_ai_project=project_scope)
result = evaluate(
data="data.jsonl",
evaluators={
"qa": qa_evaluator,
"content_safety": safety_evaluator
}
)
评估应用目标(Application Target)
from azure.ai.evaluation import evaluate
from my_app import chat_app # 你的应用
result = evaluate(
data="queries.jsonl",
target=chat_app, # 接收 query 并返回 response 的可调用对象
evaluators={
"groundedness": groundedness
},
evaluator_config={
"default": {
"column_mapping": {
"query": "${data.query}",
"context": "${outputs.context}",
"response": "${outputs.response}"
}
}
}
)
自定义评估器
基于代码的评估器
from azure.ai.evaluation import evaluator
@evaluator
def word_count_evaluator(response: str) -> dict:
return {"word_count": len(response.split())}
# 在 evaluate() 中使用
result = evaluate(
data="data.jsonl",
evaluators={"word_count": word_count_evaluator}
)
基于提示词的评估器
from azure.ai.evaluation import PromptChatTarget
class CustomEvaluator:
def __init__(self, model_config):
self.model = PromptChatTarget(model_config)
def __call__(self, query: str, response: str) -> dict:
prompt = f"Rate this response 1-5: Query: {query}, Response: {response}"
result = self.model.send_prompt(prompt)
return {"custom_score": int(result)}
记录至 Foundry 项目
from azure.ai.projects import AIProjectClient
from azure.identity import DefaultAzureCredential
project = AIProjectClient.from_connection_string(
conn_str=os.environ["AIPROJECT_CONNECTION_STRING"],
credential=DefaultAzureCredential()
)
result = evaluate(
data="data.jsonl",
evaluators={"groundedness": groundedness},
azure_ai_project=project.scope # 将结果记录至 Foundry
)
print(f"View results: {result['studio_url']}")
评估器参考表
| 评估器 | 类型 | 指标 |
|---|---|---|
GroundednessEvaluator |
AI | groundedness(1–5) |
RelevanceEvaluator |
AI | relevance(1–5) |
CoherenceEvaluator |
AI | coherence(1–5) |
FluencyEvaluator |
AI | fluency(1–5) |
SimilarityEvaluator |
AI | similarity(1–5) |
RetrievalEvaluator |
AI | retrieval(1–5) |
F1ScoreEvaluator |
NLP | f1_score(0–1) |
RougeScoreEvaluator |
NLP | rouge scores |
ViolenceEvaluator |
Safety | violence(0–7) |
SexualEvaluator |
Safety | sexual(0–7) |
SelfHarmEvaluator |
Safety | self_harm(0–7) |
HateUnfairnessEvaluator |
Safety | hate_unfairness(0–7) |
QAEvaluator |
Composite | 全部质量指标 |
ContentSafetyEvaluator |
Composite | 全部安全指标 |
最佳实践
- 优先使用复合评估器,实现全面评估
- 正确映射列名 —— 列名不匹配将导致静默失败
- 记录至 Foundry,便于跨运行跟踪与对比
- 创建自定义评估器,满足领域特定指标需求
- 当拥有标准答案(ground truth)时,优先使用 NLP 评估器
- 安全评估器需传入 Azure AI 项目作用域(azure_ai_project scope)
- 批量评估比逐行循环更高效
参考文件
| 文件 | 内容 |
|---|---|
| references/built-in-evaluators.md | AI 辅助型、基于 NLP 及安全类评估器的详细使用模式,含配置参数对照表 |
| references/custom-evaluators.md | 基于代码与基于提示词的自定义评估器构建方法,以及测试模式 |
| scripts/run_batch_evaluation.py | 命令行工具:支持运行含质量、安全及自定义评估器的批量评估任务 |
热门AI工具
相关专题
本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。
0
2026.11.12
本专题围绕Go-Zero的安装与工具链配置展开,讲清Go版本要求、goctl安装方式、代理镜像、protoc依赖与环境变量设置,说明多版本共存、升级回退与CI流水线安装的做法,并整理安装阶段的常见报错与验证步骤。
0
2026.11.12
本专题整理Go-Zero的入门知识,从框架定位、环境准备到跑通第一个API服务,讲清目录分层、配置加载、日志与中间件的基本用法,并对比Gin、Kratos的差异,帮助Go开发者建立整体认知,判断它是否适合当前项目。
0
2026.11.12
本专题从实际API接口调试场景出发,讲解Postman身份认证的完整配置流程,包括常见认证协议介绍、授权参数设置、访问令牌填写、OAuth 2.0授权及认证失败排查,帮助用户正确完成接口授权与访问验证。
0
2026.11.06
围绕Postman HTTP请求头配置展开,讲解Headers选项的具体使用方式,包括Key和Value参数填写、请求头信息添加、常见Header字段设置及请求头修改方法,帮助用户解决接口调试过程中遇到的请求头配置问题。
0
2026.11.06
详细介绍Postman接口请求的创建与发送方法,涵盖GET和POST请求、URL配置、请求参数、Headers请求头、Body请求体设置以及响应结果查看,帮助用户掌握Postman接口请求的完整操作流程。
0
2026.11.06
DBeaver数据导入专题,整理Excel、CSV、SQL、TXT等常见文件的数据导入方法,涵盖目标数据库选择、数据表创建、字段映射、数据类型设置及导入参数配置等操作,帮助用户将本地文件中的数据写入数据库,并了解批量导入、重复数据处理和导入失败等常见问题的解决方法。
0
2026.11.05
DBeaver安全防护专题,围绕数据库连接安全、账号密码保护和访问权限管理展开,整理SSL/TLS加密连接、SSH隧道、数据库凭据保存及证书验证等配置方法,同时介绍敏感信息保护、远程连接风险和高权限账号使用等注意事项,帮助用户提高数据库日常管理的安全性。
0
2026.11.05
本专题聚焦DBeaver数据库连接配置与管理,覆盖从新建连接、选择数据库类型到填写连接参数和验证连接的完整流程。针对MySQL、PostgreSQL、SQL Server等常见数据库,整理相应的连接设置方法,并提供驱动缺失、认证失败和连接异常等问题的排查方向。
0
2026.11.04
热门下载
相关下载
精品课程
共6课时 | 12.1万人学习
共79课时 | 161.8万人学习
共6课时 | 54.7万人学习
最新文章