> Discover all available pages from the documentation index: https://mastra.zisheng.pro/zh-TW/llms.txt

# 答案相關性評分器

`createAnswerRelevancyScorer()` 函式接受包含下列屬性的單一選項物件：

## 參數

**model** (`LanguageModel`): 用於評估相關性的模型設定。

**uncertaintyWeight** (`number`): 評分時給予 'unsure' 判定的權重（0-1）。 (Default: `0.3`)

**scale** (`number`): 最高分數值。 (Default: `1`)

此函式會傳回 MastraScorer 類別的執行個體。`.run()` 方法接受與其他評分器相同的輸入（請參閱 [MastraScorer 參考文件](https://mastra.zisheng.pro/zh-TW/reference/evals/mastra-scorer)），但傳回值會包含下方所述的 LLM 專用欄位。

## `.run()` 傳回值

**runId** (`string`): 執行 ID（選填）。

**score** (`number`): 相關性分數（0 到 scale，預設為 0-1）

**preprocessPrompt** (`string`): 在預處理步驟傳送給 LLM 的提示詞（選填）。

**preprocessStepResult** (`object`): 包含擷取陳述的物件：{ statements: string\[] }

**analyzePrompt** (`string`): 在分析步驟傳送給 LLM 的提示詞（選填）。

**analyzeStepResult** (`object`): 包含結果的物件：{ results: Array<{ result: 'yes' | 'unsure' | 'no', reason: string }> }

**generateReasonPrompt** (`string`): 在產生理由步驟傳送給 LLM 的提示詞（選填）。

**reason** (`string`): 分數的說明。

## 評分詳情

此評分器會比對查詢與答案來評估相關性，並考量完整性與詳細程度，但不考量事實正確性。

### 評分流程

1. **陳述預處理：**
   - 將輸出拆分為有用的陳述，同時保留上下文。

2. **相關性分析：**

   - 每項陳述會評估為：

     - "yes"：直接相符時給予完整權重
     - "unsure"：大致相符時給予部分權重（預設：0.3）
     - "no"：內容不相關時給予零權重

3. **分數計算：**
   - `((direct + uncertainty * partial) / total_statements) * scale`

### 分數解讀

相關性分數介於 0 到 1：

- **1.0**：回應提供相關且聚焦的資訊，完整回答查詢。
- **0.7 到 0.9**：回應大致回答查詢，但可能包含少量無關內容。
- **0.4 到 0.6**：回應僅回答部分查詢，且混雜相關與無關資訊。
- **0.1 到 0.3**：回應只包含極少量相關內容，且大幅偏離查詢意圖。
- **0.0**：回應完全不相關，未回答查詢。

## 範例

評估 Agent 在不同情境下的回應相關性：

```typescript
import { runEvals } from '@mastra/core/evals'
import { createAnswerRelevancyScorer } from '@mastra/evals/scorers/prebuilt'
import { myAgent } from './agent'

const scorer = createAnswerRelevancyScorer({ model: 'openai/gpt-5.6-sol' })

const result = await runEvals({
  data: [
    {
      input: 'What are the health benefits of regular exercise?',
    },
    {
      input: 'What should a healthy breakfast include?',
    },
    {
      input: 'What are the benefits of meditation?',
    },
  ],
  scorers: [scorer],
  target: myAgent,
  onItemComplete: ({ scorerResults }) => {
    console.log({
      score: scorerResults[scorer.id].score,
      reason: scorerResults[scorer.id].reason,
    })
  },
})

console.log(result.scores)
```

如需 `runEvals` 的更多詳細資訊，請參閱 [runEvals 參考文件](https://mastra.zisheng.pro/zh-TW/reference/evals/run-evals)。

若要將此評分器加入 Agent，請參閱[評分器概觀](https://mastra.zisheng.pro/zh-TW/docs/evals/overview)指南。

## 相關資源

- [忠實度評分器](https://mastra.zisheng.pro/zh-TW/reference/evals/faithfulness)