LangChain 实践笔记：RAG 评估的四个核心指标
从一次模型调用说起，讲清 RAG 评测为什么要分成检索与生成两段，上下文召回率、上下文精确率、忠实度、答案相关性这四个指标各量什么、需要哪些输入，再用 Ragas 跑通一次评测并读懂输出。
从一次模型调用说起，讲清 RAG 评测为什么要分成检索与生成两段，上下文召回率、上下文精确率、忠实度、答案相关性这四个指标各量什么、需要哪些输入，再用 Ragas 跑通一次评测并读懂输出。
从中间件机制出发，梳理 before_model、wrap_model_call 等钩子的触发位置与两种自定义写法，再用 add_routes 注册出 /invoke 与 /stream 接口。
从模型无状态出发，讲清两类消息历史组件的用法、工具五要素与 @tool／bind_tools 的区别、create_agent 的自动执行，最后用摘要中间件处理历史超限。
从本地文档出发，拆解加载器、切割器、Document、嵌入模型、向量库、检索器的职责，用两个 create_ 函数串成问答链，再改造成网页实现。
从 LCEL 的 | 写法出发，梳理 Runnable 的核心机制，讲清三个 Runnable 组件与 invoke、batch、stream 的用法，最后用完整案例串成一条可读、可扩展的处理链。
从一次模型调用出发，梳理 Model I/O 的四段职责，讲清三类 Prompt 模板与部分格式化的用法，再把消息、模型包装器与输出解析串成一条从变量到结构化结果的调用链。