Was macht ragas?
Ein Framework zur Bewertung von Retrieval-Augmented-Generation-Pipelines direkt in autonomen Multi-Source-Agenten.
Ein Framework zur Bewertung von Retrieval-Augmented-Generation-Pipelines direkt in autonomen Multi-Source-Agenten.
Ragas (explodinggradients/ragas) ist ein Evaluierungs-Framework für Retrieval-Augmented Generation (RAG)-Pipelines, das speziell für den Einsatz in autonomen KI-Agenten entwickelt wurde. Es nutzt eine Reihe von Metriken wie Kontextrelevanz, Antworttreue und Faktentreue, um die Qualität von RAG-Ergebnissen zu messen, auch wenn diese aus mehreren Quellen stammen. Das Framework ist agnostisch gegenüber LLMs und Tools und lässt sich nahtlos in Agent-Umgebungen wie Claude Code, Cursor oder andere Multi-Source-Systeme integrieren. Entwickler erhalten damit eine standardisierte Methode, um die Leistung ihrer RAG-basierten Agenten zu überprüfen und kontinuierlich zu verbessern, ohne die Evaluierung aus der Agentenlogik auslagern zu müssen.
npx skills add explodinggradients/ragasInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Ein Framework zur Bewertung von Retrieval-Augmented-Generation-Pipelines direkt in autonomen Multi-Source-Agenten.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.