#テスト | atomz technology Blog

RAGアプリの品質をどう評価するか ― 「いい感じ」でリリースを決めないためのLLM評価

社内FAQボットを「いい感じですね」で終わらせず、リリース判断できる状態に持っていくために自動テストを入れました。テストケースは数十問から始めてよく、採点はコード・LLM・人の3層に割り、人が読む量は段階的に減らしていく。最低限これだけ押さえれば回る、という構成をまとめます。