> ## Documentation Index
> Fetch the complete documentation index at: https://docs.tokenlab.sh/llms.txt
> Use this file to discover all available pages before exploring further.

# Ragas

> تقييم تطبيقات LLM باستخدام Ragas و TokenLab

## نظرة عامة

يمكن لـ Ragas تقييم التطبيقات المدعومة من TokenLab عن طريق تمرير عميل `AsyncOpenAI` المتوافق مع OpenAI إلى `llm_factory`.

<Note>
  **النوع**: إطار عمل للتقييم

  **المسار الأساسي**: Chat Completions المتوافقة مع OpenAI

  **مستوى دعم الموثوقية**: مسار متوافق مع OpenAI مدعوم
</Note>

## البيئة

```bash theme={null}
export TOKENLAB_API_KEY="sk-your-tokenlab-key"
```

## مثال على المُقيّم (Evaluator)

```python theme={null}
import os

from openai import AsyncOpenAI
from ragas.llms import llm_factory
from ragas.metrics import DiscreteMetric

client = AsyncOpenAI(
    api_key=os.environ["TOKENLAB_API_KEY"],
    base_url="https://api.tokenlab.sh/v1",
)
llm = llm_factory("claude-sonnet-5", client=client)

metric = DiscreteMetric(
    name="summary_accuracy",
    allowed_values=["accurate", "inaccurate"],
    prompt="Evaluate whether the response is accurate. Answer only accurate or inaccurate.\n\nResponse: {response}",
)
```

استخدم `llm` في مقاييس Ragas ومجموعات الاختبار (testsets) بنفس الطريقة التي تستخدم بها نموذجاً مدعوماً بـ OpenAI SDK.

## ملاحظات حول نقاط النهاية (Endpoint Notes)

يستخدم Ragas مسار عميل OpenAI SDK هنا. من الأفضل استخدام استجابات TokenLab الأصلية (Native TokenLab Responses)، و Anthropic Messages، ومسارات Gemini من خلال أدوات تشغيل التقييم (evaluation runners) التي تدعم أشكال الطلبات هذه مباشرة.