有人说：“你这客服系统效果咋样？召回率多少？精准率多少？” 我陷入沉思：这测试集得怎么构建呢，怎么能覆盖用户的所有提问……

👇来聊聊：在 RAG 智能客服项目中，召回率和精准率到底能不能用，它们评测的是什么，我们又是如何“真正评估”系统效果的？

---

一、什么是召回率 & 精准率？

这俩是搜索/推荐/问答系统最基础的评估指标：

• 召回率 Recall：该返回的结果有没有返回？（漏了没？）
• 精准率 Precision：返回的结果是不是对的？（答偏没？）

举个例子👇

假设你问客服：“怎么解绑设备？”

• 预期系统应该给你的那条答案是 Q1
• 系统实际返回了 Q1、Q2、Q3

那么：

• Q1 被召回 → ✅ 有召回
• Q2/Q3 无关 → 精准率下降
• 如果系统压根没返回 Q1 → 召回率=0

精确率在意“答没答偏”，召回率在意“答没答全”。

---

二、 RAG 智能客服能用召回率 / 精准率评测吗？

🧐 当然能用——但仅限于检索模块本身。

RAG = Retrieval-Augmented Generation，底层核心是：

先从知识库中“检索”相关内容 → 再“生成”最终回复。

在这个流程中：

• 召回率 / 精准率 评估的是检索的效果
• 不是整个客服系统的真实表现

⚠ 举个实际坑点：

你问了“怎么改手机号”，检索模块返回了知识库中最相关的一条Q&A，但生成模块瞎编了一段“请打开左下角齿轮按钮”，结果 App 根本没这个按钮。

👀 这时候你召回得再准也没用，用户还是点了转人工。

---

三、 那为啥面试官老爱问召回率 / 精准率？

因为他们👇：

• 🙋‍♂ 不确定你到底懂不懂评估
• 🙋‍♀ 不知道你系统的效果如何衡量
• 🙋 想找一个他们能听懂、能量化的指标问你

也因为这俩指标在搜索/推荐/问答系统中是最安全的问题。

⚠ 但很多人答的时候就陷进去了，只说“我们召回率是87%，精准率是82%”，就卡死在检索上，完全忽略了系统真实使用场景下的多轮对话、意图理解、用户闭环体验等等。

这时候，你要有底气反问一句：

“您是想了解我们检索模块的指标，还是整个客服系统的用户任务解决率？”

👑 高低立见。

---

四、 那 RAG 智能客服项目该怎么评测？

我们项目早期在公司内部上线，做的是一个面向员工的知识库问答助手。

因此，我们重点评估的是客服系统整体的问答质量，尤其是这些维度👇

---

🔍 实际使用中，我们人工标注了以下几个关键指标：

评估维度	含义
❌ 是否瞎说 / 幻觉	回答中有没有凭空编造的东西？（比如“去设置里找齿轮”，App里根本没有）
🤯 是否意图识别失败	用户问“我手机号换了咋办”，你去答“怎么换密码”
🧠 多轮对话是否理解正确	用户说“那这个要多久到账？”你不知道“这个”指啥，答非所问
🎯 是否解决用户问题	回答完，用户能不能去完成任务，比如自己找到功能在哪
⚠ 是否提供了错误建议	比幻觉更严重——指导用户操作错了，严重影响体验甚至造成误解

---

📊 每条测试数据，我们都打标这些维度，并汇总统计：

• 系统瞎说率：≈8%
• 意图识别错误率：≈15%
• 多轮理解失败率：≈22%
• 闭环成功率：≈86%
• 错误操作建议率：≈4%

（注：这些数字为示例值，实际项目中会动态调整）

---

🧩 小结：智能客服的评测，不能只靠召回率

召回率/精准率只能评估“检索准不准”，但用户体验的好坏，还要看：

• 有没有答偏（意图识别）
• 有没有编（幻觉）
• 有没有忘（多轮承接）
• 有没有坑（误导操作）
• 有没有解决（任务闭环）

而这，才是真正体现你系统能力、Prompt 设计、知识库结构质量、检索策略，以及整体“产品把控力”的核心指标。

---

👀 所以下次面试官再问你：

“你们客服系统召回率多少？”

你可以回答：

“这个我们测了检索模块的召回率，但客服系统整体我们还加了XX评估维度” → ✅✅✅ 这就变成产品+技术双杀的优质回答了！

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】