AI测试入门：RAG、Agent、Chatbot 类AI应用的评估体系&测试方法详解

前言

AI到底该怎么测？
那些听起来高大上的RAG（检索增强生成）、Agent（智能体）、Chatbot（聊天机器人），它们的测试关键点在哪里？我过往积累的传统测试经验和方法，还能否有效地迁移到AI项目中？
面对AI独特的风险，比如模型幻觉、数据偏见、伦理问题，我该如何着手进行评估和规避？
—— 面对这些问题，正是许多从传统测试领域转向或希望深入了解AI测试的同仁们普遍关心，甚至感到焦虑的。
本文作为一篇AI测试入门指南，为AI测试领域的新手拨开迷雾，也希望能给同仁们带来一些启发。

一、AI测试与传统测试的区别

在聊具体的AI应用测试之前，我们首先要明白AI测试与传统软件测试的根本区别。

• 确定性 vs. 概率性： 传统软件的输出对于给定输入通常是确定的。而AI模型，尤其是深度学习模型，其行为具有概率性。同样的输入，在