跃用AI办公任务清单
办公文档与PPT · 工具介绍

LangKit

LangKit 是用于语言模型监测的文本指标工具包,可提取输入与输出文本的质量、相关性、情绪及风险信号,并结合 whylogs 生成可分析的指标记录。

LangKit 能做什么

LangKit 是用于语言模型监测的文本指标工具包,可提取输入与输出文本的质量、相关性、情绪及风险信号,并结合 whylogs 生成可分析的指标记录。

  • 语言模型与智能体质量评估及回归检查
办公文档与PPT · 从小样开始

如何使用 LangKit

为提示词与回答样本生成文本质量指标

准备输入

  • 允许分析的提示词与模型回答样本。
  • 已安装 LangKit 和相关依赖的 Python 环境。

操作步骤

  1. 安装所需 LangKit 模块,准备包含 prompt 和 response 字段的文本样本。
  2. 导入 llm_metrics,以初始化的 schema 调用 why.log 计算指标。
  3. 检查指标记录,结合具体文本定位需要人工复核的回答或输入,再记录改进方向。

预期交付物

  • 提示词与回答的指标记录及人工复核清单。

相似度、模式匹配和一致性指标只是检查信号,不能单独证明回答正确或请求安全;应结合文本内容及具体应用规则解释结果。

开始前需要了解

账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查,再用于实际工作。

查看 LangKit 官方说明 ↗

跃用AI · 场景选型

从办公文档与PPT角度评估LangKit

把办公文档与PPT需要的条件列清楚,再比较工具。阅读本页的产品用途、步骤与限制,再逐项确认下面的问题;这些是选型方法,不表示每款工具都具备同样能力。

  1. 能否继续编辑

    正文、表格与图表应能交回常用办公工具修改。

  2. 有没有原文依据

    摘要中的数字、日期和结论需要回到输入材料。

  3. 接收方能否使用

    交付前确认文件格式、阅读时长和需要对方作出的决定。

选择一个小样任务,先检查结果与交付格式,再决定是否用于更多资料。

← 返回全部 AI 工具