文章目录1. 环境配置与安装1.1. 安装 deepeval1.1.1. pip 安装1.1.2. 验证安装1.2. 配置 LLM 提供商1.2.1. OpenAI需要 API Key1.2.2. DeepSeek国内推荐1.2.3. 本地模型Ollama1.3. 配置环境变量1.3.1. .env 文件方式1.3.2. 必需的环境变量1.3.3. 可选的环境变量1.4. 环境验证脚本1.5. 小结1. 环境配置与安装文档基于 DeepEval v4.1.0 编写来源https://deepeval.com/docs/getting-started1.1. 安装 deepeval1.1.1. pip 安装DeepEval 要求 Python 3.9。建议在虚拟环境中安装# 创建虚拟环境可选但推荐python-mvenv deepeval_envsourcedeepeval_env/bin/activate# Linux/Mac# deepeval_env\\Scripts\\activate # Windows# 安装 DeepEvalpipinstall-Udeepeval1.1.2. 验证安装# 来源: https://deepeval.com/docs/getting-started# 验证安装是否成功importdeepeval# 打印版本号print(fDeepEval 版本:{deepeval.__version__})# 运行上面代码后输出类似 DeepEval 版本: 4.1.01.2. 配置 LLM 提供商DeepEval 的指标大多使用 LLM-as-a-Judge 模式需要指定一个 LLM 来执行评估。默认使用 OpenAI 的 GPT 模型。1.2.1. OpenAI需要 API Key# 设置 OpenAI API KeyexportOPENAI_API_KEYsk-your-openai-api-key# Windows 用户# set OPENAI_API_KEYsk-your-openai-api-key# 来源: https://deepeval.com/docs/metrics-introduction# 在 Jupyter/Colab 中设置环境变量%env OPENAI_API_KEYsk-your-openai-api-key注意如果使用 OpenAI 需要科学上网国内用户建议使用 DeepSeek 或 Ollama 本地模型见下方配置。1.2.2. DeepSeek国内推荐DeepSeek 提供兼容 OpenAI 接口的 API国内可直接访问价格低廉。# 获取 API Key: https://platform.deepseek.com/api_keysexportDEEPEVAL_TELEMETRY_OPT_OUTYESexportOPENAI_API_KEYsk-your-deepseek-api-keyexportOPENAI_API_BASEhttps://api.deepseek.compythonpython# 来源: https://deepeval.com/guides/guides-using-custom-llms# 方式一通过自定义 LLM 类使用 DeepSeekfrom openaiimportOpenAI from deepeval.models.base_modelimportDeepEvalBaseLLM class DeepSeekModel(DeepEvalBaseLLM): def __init__(self, model_name: strdeepseek-chat): self.model_namemodel_name# 初始化 DeepSeek 客户端self.clientOpenAI(api_keysk-your-deepseek-api-key,base_urlhttps://api.deepseek.com)def load_model(self):returnself.model_name def generate(self, prompt: str)-str:# 调用 DeepSeek API 生成响应responseself.client.chat.completions.create(modelself.model_name,messages[{role:user,content:prompt}],temperature0)returnresponse.choices[0].message.content async def a_generate(self, prompt: str)-str:returnself.generate(prompt)def get_model_name(self)-str:returnself.model_name# 创建 DeepSeek 模型实例deepseek_llmDeepSeekModel()# 验证模型是否可用test_responsedeepseek_llm.generate(请用一句话介绍你自己)print(f测试响应: {test_response})# 运行上面代码后输出类似 测试响应: 我是 DeepSeek由深度求索公司创造的 AI 助手。1.2.3. 本地模型OllamaOllama 允许在本地运行开源模型完全离线无需 API Key。# 安装 OllamamacOS/Linux# curl -fsSL https://ollama.com/install.sh | sh# 拉取模型ollama pull deepseek-r1:1.5b# 启动 Ollama 服务后配置 DeepEvaldeepeval set-ollama--modeldeepseek-r1:1.5b# 来源: https://deepeval.com/docs/metrics-introduction#configure-llm-judges# 验证 Ollama 配置fromdeepeval.metricsimportAnswerRelevancyMetricfromdeepeval.test_caseimportLLMTestCase# 创建测试用例test_caseLLMTestCase(input什么是机器学习,actual_output机器学习是人工智能的一个子领域它使计算机能够从数据中学习。)# 使用 Ollama 模型进行评估# 注意需要先执行 deepeval set-ollama --modeldeepseek-r1:1.5bmetricAnswerRelevancyMetric(threshold0.5)metric.measure(test_case)print(f分数:{metric.score})print(f通过:{metric.score0.5})# 运行上面代码后输出类似 分数: 0.85 通过: True注意Ollama 本地模型在推理能力上可能弱于 GPT-4/DeepSeek建议在简单评估场景使用复杂评估建议使用 DeepSeek。提供商优点缺点推荐场景OpenAI评估质量最高需要科学上网成本高生产环境、高精度评估DeepSeek国内直连价格低质量好高峰期可能限流国内开发/生产环境首选Ollama完全离线免费本地模型推理能力有限开发调试、离线场景1.3. 配置环境变量1.3.1. .env 文件方式DeepEval 在导入时会自动加载.env.local和.env文件优先级已有环境变量 →.env.local→.env。# 在项目根目录创建 .env.local 文件会被 git 忽略touch.env.local# .env.local 文件内容 OPENAI_API_KEYsk-your-api-key # 如果使用 DeepSeek设置这两个变量 # OPENAI_API_KEYsk-your-deepseek-api-key # OPENAI_API_BASEhttps://api.deepseek.com # 关闭遥测数据上报国内用户建议设置 DEEPEVAL_TELEMETRY_OPT_OUTYES # 关闭 .env 自动加载如果有特殊需求 # DEEPEVAL_DISABLE_DOTENV11.3.2. 必需的环境变量环境变量说明示例值OPENAI_API_KEYOpenAI/DeepSeek API Keysk-xxx1.3.3. 可选的环境变量环境变量说明默认值DEEPEVAL_TELEMETRY_OPT_OUT关闭遥测数据上报未设置开启DEEPEVAL_DISABLE_DOTENV禁用 .env 自动加载未设置DEEPEVAL_RESULTS_FOLDER本地结果存储路径./deepeval_results1.4. 环境验证脚本# 来源: https://deepeval.com/docs/getting-started# 完整环境验证脚本importosimportsysdefcheck_environment():检查 DeepEval 运行环境是否配置正确print(*50)print(DeepEval 环境验证)print(*50)# 1. 检查 Python 版本python_versionsys.version_infoprint(f\n[1/4] Python 版本:{python_version.major}.{python_version.minor}.{python_version.micro})ifpython_version(3,9):print( ❌ Python 版本过低需要 3.9)returnFalseelse:print( ✅ Python 版本符合要求)# 2. 检查 deepeval 安装try:importdeepevalprint(f\n[2/4] DeepEval 版本:{deepeval.__version__})print( ✅ DeepEval 已安装)exceptImportError:print(\n[2/4] ❌ DeepEval 未安装请运行: pip install -U deepeval)returnFalse# 3. 检查 API Keyapi_keyos.environ.get(OPENAI_API_KEY,)ifapi_key:masked_keyapi_key[:7]...api_key[-4:]print(f\n[3/4] API Key:{masked_key})print( ✅ OPENAI_API_KEY 已设置)else:print(\n[3/4] ❌ OPENAI_API_KEY 未设置)print( 请运行: export OPENAI_API_KEYsk-your-key)returnFalse# 4. 检查遥测设置telemetryos.environ.get(DEEPEVAL_TELEMETRY_OPT_OUT,)print(f\n[4/4] 遥测状态:{已关闭iftelemetryelse开启中})ifnottelemetry:print( 建议设置: export DEEPEVAL_TELEMETRY_OPT_OUTYES)print(\n*50)print(✅ 环境验证通过可以开始使用 DeepEval)print(*50)returnTrueif__name____main__:check_environment()# 运行上面代码后输出类似 DeepEval 环境验证 [1/4] Python 版本: 3.11.0 ✅ Python 版本符合要求 [2/4] DeepEval 版本: 4.1.0 ✅ DeepEval 已安装 [3/4] API Key: sk-xxxx...xxxx ✅ OPENAI_API_KEY 已设置 [4/4] 遥测状态: 已关闭 ✅ 环境验证通过可以开始使用 DeepEval 1.5. 小结安装pip install -U deepeval要求 Python 3.9LLM 配置国内首选 DeepSeek兼容 OpenAI 接口直连低价本地开发可选 Ollama关键环境变量OPENAI_API_KEY必需、DEEPEVAL_TELEMETRY_OPT_OUTYES建议验证运行环境验证脚本确保所有组件正常