Skip to main content
有时，自定义评估器或总结评估器返回多个指标会很有用。例如，如果有一个由 LLM 评判生成的多个指标，通过单次 LLM 调用生成多个指标，而不是进行多次 LLM 调用，可以节省时间和成本。 要使用 Python SDK 返回多个分数，只需返回以下形式的字典/对象列表： 
[
    # 'key' 是指标名称
    # 'score' 是数值指标的值
    {"key": string, "score": number},
    # 'value' 是分类指标的值
    {"key": string, "value": string},
    ... # 您可以记录任意多个
]
要使用 JS/TS SDK 实现，返回一个包含 ‘results’ 键的对象，然后是一个上述形式的列表 
{results: [{ key: string, score: number }, ...]};
这些字典中的每一个都可以包含反馈字段中的任意或全部字段；请查看链接文档以获取更多信息。 示例：
  • Python：需要 langsmith>=0.2.0
  • TypeScript：langsmith@0.1.32 及更高版本支持多个分数
def multiple_scores(outputs: dict, reference_outputs: dict) -> list[dict]:
    # 替换为实际的评估逻辑。
    precision = 0.8
    recall = 0.9
    f1 = 0.85
    return [
        {"key": "precision", "score": precision},
        {"key": "recall", "score": recall},
        {"key": "f1", "score": f1},
    ]
生成的实验中的行将显示每个分数。 multiple_scores.png

​
相关

Edit this page on GitHub or file an issue.
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.