$ loading_
帮助 AI 代理评估 RAG 输出的忠实度、幻觉与检索质量。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"groundcheck" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请用 groundcheck 评估这组 RAG 问答结果，给出忠实度评分，并指出回答中哪些内容未被检索上下文支持。
返回忠实度评分，并标出缺乏依据的回答片段。
请使用 groundcheck 检测这个 RAG 回答是否存在幻觉，并简要说明可疑内容及原因。
输出幻觉检测结果，列出可疑断言及说明。
请用 groundcheck 比较两组 RAG 检索结果的质量指标，判断哪一组更适合支撑最终回答。
给出检索质量指标对比，并指出更优方案。
开发者在构建基于 RAG 的知识库助手时，可用它检查回答是否忠于检索内容，并发现幻觉问题。这样能更快定位是生成阶段还是检索阶段出了问题。
研究员或数据分析师在比较不同检索方案时，可用它衡量 retrieval quality metrics。它适合用于判断哪种检索结果更能支撑高质量回答。
需要让 AI 代理自动检查 RAG 输出质量时，可通过这个 MCP server 进行评估。它强调可通过 MCP sampling 使用，且无需 API keys。
它是一个 MCP server，用于让 AI 代理评估 RAG 输出。已知能力包括忠实度评分、幻觉检测和检索质量指标评估。
根据提供的描述，不需要 API keys。它通过 MCP sampling 工作。
当前提供的素材没有安装或配置步骤。具体接入方式请见源码仓库。
对 MCP 服务器执行只读检查并输出 A-F 分级评估报告
用于评估 AI 智能体输出质量，支持 CI 质检、回归对比与灰度放量决策。
评估并探测基于MCP的检索服务器质量与引用完整性
智能检索增强生成工具，可自动在私有知识库与网页间选择信息来源。
帮助团队评估 AI 安全分类器在拆分、混淆与多智能体攻击下的鲁棒性。
核验事实陈述并提供结论、置信度与引用来源，帮助降低信息失真风险。