pydantic_evals.dataset
pydantic evals 的数据集管理。
该模块提供了创建、加载、保存和评估测试案例数据集的功能。每个案例都必须有输入,并且可以选择性地包含名称、预期输出、元数据和案例特定的评估器。
数据集可以从 YAML 或 JSON 文件加载和保存,并且可以针对任务函数进行评估,以生成评估报告。
Case dataclass
基类:Generic[InputsT, OutputT, MetadataT]
Dataset
的单行数据。
每个案例代表一个带有待测试输入的单一测试场景。一个案例可以选择性地指定名称、用于比较的预期输出和任意元数据。
除了数据集级别的评估器外,案例还可以有自己特定的评估器。
示例
from pydantic_evals import Case
case = Case(
name='Simple addition',
inputs={'a': 1, 'b': 2},
expected_output=3,
metadata={'description': 'Tests basic addition'},
)
源代码位于 pydantic_evals/pydantic_evals/dataset.py
105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 |
|
__init__
__init__(
*,
name: str | None = None,
inputs: InputsT,
metadata: MetadataT | None = None,
expected_output: OutputT | None = None,
evaluators: tuple[
Evaluator[InputsT, OutputT, MetadataT], ...
] = ()
)
初始化一个新的测试案例。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
name
|
str | None
|
案例的可选名称。如果未提供,添加到数据集时将分配一个通用名称。 |
None
|
inputs
|
InputsT
|
被评估任务的输入。 |
必需 |
metadata
|
MetadataT | None
|
案例的可选元数据,可供评估器使用。 |
None
|
expected_output
|
OutputT | None
|
任务的可选预期输出,用于在评估器中进行比较。 |
None
|
评估器
|
tuple[Evaluator[InputsT, OutputT, MetadataT], ...]
|
特定于此案例的评估器元组。这些评估器是在任何数据集级别评估器之外的补充。 |
()
|
源代码位于 pydantic_evals/pydantic_evals/dataset.py
141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 |
|
inputs instance-attribute
inputs: InputsT = inputs
任务的输入。这是将要被评估的任务的输入。
metadata class-attribute
instance-attribute
metadata: MetadataT | None = metadata
用于评估的元数据。
这可以用于向评估器提供有关案例的附加信息。
expected_output class-attribute
instance-attribute
expected_output: OutputT | None = expected_output
任务的预期输出。这是将要被评估的任务的预期输出。
数据集
基类:BaseModel
, Generic[InputsT, OutputT, MetadataT]
测试案例的数据集。
数据集允许您组织一组测试案例,并针对任务函数进行评估。它们可以从 YAML 或 JSON 文件加载和保存,并且可以有应用于所有案例的数据集级别评估器。
示例
# Create a dataset with two test cases
from dataclasses import dataclass
from pydantic_evals import Case, Dataset
from pydantic_evals.evaluators import Evaluator, EvaluatorContext
@dataclass
class ExactMatch(Evaluator):
def evaluate(self, ctx: EvaluatorContext) -> bool:
return ctx.output == ctx.expected_output
dataset = Dataset(
cases=[
Case(name='test1', inputs={'text': 'Hello'}, expected_output='HELLO'),
Case(name='test2', inputs={'text': 'World'}, expected_output='WORLD'),
],
evaluators=[ExactMatch()],
)
# Evaluate the dataset against a task function
async def uppercase(inputs: dict) -> str:
return inputs['text'].upper()
async def main():
report = await dataset.evaluate(uppercase)
report.print()
'''
Evaluation Summary: uppercase
┏━━━━━━━━━━┳━━━━━━━━━━━━┳━━━━━━━━━━┓
┃ Case ID ┃ Assertions ┃ Duration ┃
┡━━━━━━━━━━╇━━━━━━━━━━━━╇━━━━━━━━━━┩
│ test1 │ ✔ │ 10ms │
├──────────┼────────────┼──────────┤
│ test2 │ ✔ │ 10ms │
├──────────┼────────────┼──────────┤
│ Averages │ 100.0% ✔ │ 10ms │
└──────────┴────────────┴──────────┘
'''
源代码位于 pydantic_evals/pydantic_evals/dataset.py
170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 |
|
evaluators class-attribute
instance-attribute
用于数据集中所有案例的评估器列表。
__init__
__init__(
*,
cases: Sequence[Case[InputsT, OutputT, MetadataT]],
evaluators: Sequence[
Evaluator[InputsT, OutputT, MetadataT]
] = ()
)
使用测试案例和可选的评估器初始化一个新的数据集。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
案例
|
Sequence[Case[InputsT, OutputT, MetadataT]]
|
要包含在数据集中的测试案例序列。 |
必需 |
评估器
|
Sequence[Evaluator[InputsT, OutputT, MetadataT]]
|
可选的评估器序列,应用于数据集中的所有案例。 |
()
|
源代码位于 pydantic_evals/pydantic_evals/dataset.py
226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 |
|
evaluate async
evaluate(
task: (
Callable[[InputsT], Awaitable[OutputT]]
| Callable[[InputsT], OutputT]
),
name: str | None = None,
max_concurrency: int | None = None,
progress: bool = True,
retry_task: RetryConfig | None = None,
retry_evaluators: RetryConfig | None = None,
) -> EvaluationReport[InputsT, OutputT, MetadataT]
使用给定的任务评估数据集中的测试案例。
此方法在数据集中的每个案例上运行任务,应用评估器,并将结果收集到报告中。案例并发运行,如果指定了 max_concurrency
,则受其限制。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
task
|
Callable[[InputsT], Awaitable[OutputT]] | Callable[[InputsT], OutputT]
|
要评估的任务。这应该是一个可调用对象,它接受案例的输入并返回输出。 |
必需 |
name
|
str | None
|
正在评估的任务的名称,这用于在报告中识别任务。如果省略,将使用任务函数的名称。 |
None
|
max_concurrency
|
int | None
|
允许的任务并发评估的最大数量。如果为 None,则所有案例将并发评估。 |
None
|
progress
|
bool
|
是否显示评估进度条。默认为 |
True
|
retry_task
|
RetryConfig | None
|
任务执行的可选重试配置。 |
None
|
retry_evaluators
|
RetryConfig | None
|
评估器执行的可选重试配置。 |
None
|
返回
类型 | 描述 |
---|---|
EvaluationReport[InputsT, OutputT, MetadataT]
|
包含评估结果的报告。 |
源代码位于 pydantic_evals/pydantic_evals/dataset.py
251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 |
|
同步评估
evaluate_sync(
task: (
Callable[[InputsT], Awaitable[OutputT]]
| Callable[[InputsT], OutputT]
),
name: str | None = None,
max_concurrency: int | None = None,
progress: bool = True,
) -> EvaluationReport[InputsT, OutputT, MetadataT]
使用给定的任务评估数据集中的测试案例。
这是为了方便而提供的 evaluate
的同步包装器。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
task
|
Callable[[InputsT], Awaitable[OutputT]] | Callable[[InputsT], OutputT]
|
要评估的任务。这应该是一个可调用对象,它接受案例的输入并返回输出。 |
必需 |
name
|
str | None
|
正在评估的任务的名称,这用于在报告中识别任务。如果省略,将使用任务函数的名称。 |
None
|
max_concurrency
|
int | None
|
允许的任务并发评估的最大数量。如果为 None,则所有案例将并发评估。 |
None
|
progress
|
bool
|
是否显示评估进度条。默认为 True。 |
True
|
返回
类型 | 描述 |
---|---|
EvaluationReport[InputsT, OutputT, MetadataT]
|
包含评估结果的报告。 |
源代码位于 pydantic_evals/pydantic_evals/dataset.py
330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 |
|
添加案例
add_case(
*,
name: str | None = None,
inputs: InputsT,
metadata: MetadataT | None = None,
expected_output: OutputT | None = None,
evaluators: tuple[
Evaluator[InputsT, OutputT, MetadataT], ...
] = ()
) -> None
向数据集添加一个案例。
这是创建 Case
并将其添加到数据集的便捷方法。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
name
|
str | None
|
案例的可选名称。如果未提供,将分配一个通用名称。 |
None
|
inputs
|
InputsT
|
被评估任务的输入。 |
必需 |
metadata
|
MetadataT | None
|
案例的可选元数据,可供评估器使用。 |
None
|
expected_output
|
OutputT | None
|
任务的预期输出,用于在评估器中进行比较。 |
None
|
评估器
|
tuple[Evaluator[InputsT, OutputT, MetadataT], ...]
|
除了数据集级别的评估器外,特定于此案例的评估器元组。 |
()
|
源代码位于 pydantic_evals/pydantic_evals/dataset.py
357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 |
|
添加评估器
add_evaluator(
evaluator: Evaluator[InputsT, OutputT, MetadataT],
specific_case: str | None = None,
) -> None
向数据集或特定案例添加一个评估器。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
evaluator
|
Evaluator[InputsT, OutputT, MetadataT]
|
要添加的评估器。 |
必需 |
specific_case
|
str | None
|
如果提供,评估器将仅添加到具有此名称的案例中。如果为 None,评估器将添加到数据集中的所有案例中。 |
None
|
引发
类型 | 描述 |
---|---|
ValueError
|
如果提供了 |
源代码位于 pydantic_evals/pydantic_evals/dataset.py
389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 |
|
from_file classmethod
from_file(
path: Path | str,
fmt: Literal["yaml", "json"] | None = None,
custom_evaluator_types: Sequence[
type[Evaluator[InputsT, OutputT, MetadataT]]
] = (),
) -> Self
从文件加载数据集。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
path
|
Path | str
|
要加载的文件的路径。 |
必需 |
fmt
|
Literal['yaml', 'json'] | None
|
文件格式。如果为 None,将从文件扩展名推断格式。必须是 'yaml' 或 'json'。 |
None
|
custom_evaluator_types
|
Sequence[type[Evaluator[InputsT, OutputT, MetadataT]]]
|
反序列化数据集时使用的自定义评估器类。这些是默认评估器之外的附加评估器。 |
()
|
返回
类型 | 描述 |
---|---|
Self
|
从文件加载的新的 Dataset 实例。 |
引发
类型 | 描述 |
---|---|
ValidationError
|
如果文件无法解析为有效的数据集。 |
ValueError
|
如果无法从文件扩展名推断格式。 |
源代码位于 pydantic_evals/pydantic_evals/dataset.py
438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 |
|
from_text classmethod
from_text(
contents: str,
fmt: Literal["yaml", "json"] = "yaml",
custom_evaluator_types: Sequence[
type[Evaluator[InputsT, OutputT, MetadataT]]
] = (),
) -> Self
从字符串加载数据集。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
contents
|
str
|
要解析的字符串内容。 |
必需 |
fmt
|
Literal['yaml', 'json']
|
内容的格式。必须是 'yaml' 或 'json'。 |
'yaml'
|
custom_evaluator_types
|
Sequence[type[Evaluator[InputsT, OutputT, MetadataT]]]
|
反序列化数据集时使用的自定义评估器类。这些是默认评估器之外的附加评估器。 |
()
|
返回
类型 | 描述 |
---|---|
Self
|
从字符串解析的新的 Dataset 实例。 |
引发
类型 | 描述 |
---|---|
ValidationError
|
如果内容无法解析为有效的数据集。 |
源代码位于 pydantic_evals/pydantic_evals/dataset.py
470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 |
|
from_dict classmethod
from_dict(
data: dict[str, Any],
custom_evaluator_types: Sequence[
type[Evaluator[InputsT, OutputT, MetadataT]]
] = (),
) -> Self
从字典加载数据集。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
data
|
dict[str, Any]
|
数据集的字典表示。 |
必需 |
custom_evaluator_types
|
Sequence[type[Evaluator[InputsT, OutputT, MetadataT]]]
|
反序列化数据集时使用的自定义评估器类。这些是默认评估器之外的附加评估器。 |
()
|
返回
类型 | 描述 |
---|---|
Self
|
从字典创建的新的 Dataset 实例。 |
引发
类型 | 描述 |
---|---|
ValidationError
|
如果字典无法转换为有效的数据集。 |
源代码位于 pydantic_evals/pydantic_evals/dataset.py
499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 |
|
写入文件
to_file(
path: Path | str,
fmt: Literal["yaml", "json"] | None = None,
schema_path: (
Path | str | None
) = DEFAULT_SCHEMA_PATH_TEMPLATE,
custom_evaluator_types: Sequence[
type[Evaluator[InputsT, OutputT, MetadataT]]
] = (),
)
将数据集保存到文件。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
path
|
Path | str
|
保存数据集的路径。 |
必需 |
fmt
|
Literal['yaml', 'json'] | None
|
要使用的格式。如果为 None,将从文件扩展名推断格式。必须是 'yaml' 或 'json'。 |
None
|
schema_path
|
Path | str | None
|
保存 JSON 模式的路径。如果为 None,则不保存模式。可以是一个包含 {stem} 的字符串模板,它将被替换为数据集文件名的主干部分。 |
DEFAULT_SCHEMA_PATH_TEMPLATE
|
custom_evaluator_types
|
Sequence[type[Evaluator[InputsT, OutputT, MetadataT]]]
|
要包含在模式中的自定义评估器类。 |
()
|
源代码位于 pydantic_evals/pydantic_evals/dataset.py
573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 |
|
model_json_schema_with_evaluators classmethod
model_json_schema_with_evaluators(
custom_evaluator_types: Sequence[
type[Evaluator[InputsT, OutputT, MetadataT]]
] = (),
) -> dict[str, Any]
为此数据集类型生成一个 JSON 模式,包括评估器详细信息。
这对于生成可用于验证 YAML 格式数据集文件的模式很有用。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
custom_evaluator_types
|
Sequence[type[Evaluator[InputsT, OutputT, MetadataT]]]
|
要包含在模式中的自定义评估器类。 |
()
|
返回
类型 | 描述 |
---|---|
dict[str, Any]
|
表示 JSON 模式的字典。 |
源代码位于 pydantic_evals/pydantic_evals/dataset.py
620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 |
|
设置评估属性
在当前任务运行上设置一个属性。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
name
|
str
|
属性的名称。 |
必需 |
value
|
Any
|
属性的值。 |
必需 |
源代码位于 pydantic_evals/pydantic_evals/dataset.py
1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 |
|
增加评估指标
在当前任务运行上增加一个指标。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
name
|
str
|
指标的名称。 |
必需 |
amount
|
int | float
|
要增加的数量。 |
必需 |
源代码位于 pydantic_evals/pydantic_evals/dataset.py
1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 |
|