电商经营 · 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
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
- 安装所需 LangKit 模块，准备包含 prompt 和 response 字段的文本样本。
- 导入 llm_metrics，以初始化的 schema 调用 why.log 计算指标。
- 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。
从电商经营角度评估LangKit
把电商经营需要的条件列清楚，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。
是否保留商品事实
材质、尺寸、配件和库存要来自现有资料，不能由模型补齐。
能否分清承诺边界
售后、发货和优惠以实际规则为准，草稿需人确认后使用。
数据口径能否比较
先统一时间、币种与订单状态，再讨论表现与下一步。
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。
