人工反馈快速入门

2025-09-25

本快速入门介绍如何收集最终用户反馈、添加开发人员批注、创建专家评审会话，以及使用该反馈评估 GenAI 应用的质量。

它介绍人工反馈生命周期的以下步骤：

将 GenAI 应用与 MLflow 跟踪集成。
收集最终用户反馈（在此示例中，使用 SDK 模拟最终用户反馈）。
通过 UI 以交互方式添加开发人员反馈。
在跟踪旁边查看反馈。
为结构化专家评审创建标签会话。
使用专家反馈评估应用质量。

本页上的所有代码都包含在示例笔记本中。

先决条件

安装 MLflow 和所需包

pip install --upgrade "mlflow[databricks]>=3.1.0" openai "databricks-connect>=16.1"

请按照设置环境快速入门创建 MLflow 试验。

步骤 1：创建和跟踪简单应用

首先，使用 LLM 和 MLflow 跟踪创建简单的 GenAI 应用。

初始化 OpenAI 客户端以连接到 OpenAI 托管的 LLM。

OpenAI 托管的 LLM

使用本地 OpenAI SDK 连接到由 OpenAI 托管的模型。从可用的 OpenAI 模型中选择一个模型。

import mlflow
import os
import openai

# Ensure your OPENAI_API_KEY is set in your environment
# os.environ["OPENAI_API_KEY"] = "<YOUR_API_KEY>" # Uncomment and set if not globally configured

# Enable auto-tracing for OpenAI
mlflow.openai.autolog()

# Set up MLflow tracking to Databricks
mlflow.set_tracking_uri("databricks")
mlflow.set_experiment("/Shared/docs-demo")

# Create an OpenAI client connected to OpenAI SDKs
client = openai.OpenAI()

# Select an LLM
model_name = "gpt-4o-mini"

定义聊天机器人应用：

# Create a RAG app with tracing
@mlflow.trace
def my_chatbot(user_question: str) -> str:
    # Retrieve relevant context
    context = retrieve_context(user_question)

    # Generate response using LLM with retrieved context
    response = client.chat.completions.create(
        model=model_name,  # If using OpenAI directly, use "gpt-4o" or "gpt-3.5-turbo"
        messages=[
            {"role": "system", "content": "You are a helpful assistant. Use the provided context to answer questions."},
            {"role": "user", "content": f"Context: {context}\n\nQuestion: {user_question}"}
        ],
        temperature=0.7,
        max_tokens=150
    )
    return response.choices[0].message.content

@mlflow.trace(span_type="RETRIEVER")
def retrieve_context(query: str) -> str:
    # Simulated retrieval - in production, this would search a vector database
    if "mlflow" in query.lower():
        return "MLflow is an open-source platform for managing the end-to-end machine learning lifecycle. It provides tools for experiment tracking, model packaging, and deployment."
    return "General information about machine learning and data science."

# Run the app to generate a trace
response = my_chatbot("What is MLflow?")
print(f"Response: {response}")

# Get the trace ID for the next step
trace_id = mlflow.get_last_active_trace_id()
print(f"Trace ID: {trace_id}")

步骤 2：收集最终用户反馈

当用户与应用交互时，他们可以通过 UI 元素（如向上/向下按钮）提供反馈。本快速入门指南通过直接使用 SDK 来模拟最终用户提交负面反馈。

import mlflow
from mlflow.entities.assessment import AssessmentSource, AssessmentSourceType

# Simulate end-user feedback from your app
# In production, this would be triggered when a user clicks thumbs down in your UI
mlflow.log_feedback(
    trace_id=trace_id,
    name="user_feedback",
    value=False,  # False for thumbs down - user is unsatisfied
    rationale="Missing details about MLflow's key features like Projects and Model Registry",
    source=AssessmentSource(
        source_type=AssessmentSourceType.HUMAN,
        source_id="enduser_123",  # Would be actual user ID in production
    ),
)

print("End-user feedback recorded!")

# In a real app, you would:
# 1. Return the trace_id with your response to the frontend
# 2. When user clicks thumbs up/down, call your backend API
# 3. Your backend would then call mlflow.log_feedback() with the trace_id

步骤 3：在 UI 中查看反馈

启动 MLflow UI，查看包含反馈的跟踪记录。

导航到您的 MLflow 实验。
导航到“ 跟踪 ”选项卡。
单击跟踪。
此时会显示“跟踪详细信息”对话框。在对话框右侧的“评估”下，显示 user_feedback，表明用户将响应标记为差评。false

人工评估

步骤 4：通过 UI 添加开发人员注释

作为开发人员，还可以直接在 UI 中添加自己的反馈和备注：

在跟踪选项卡中，单击跟踪以将其打开。
单击任何范围（选择用于跟踪级别反馈的根范围）。
在右侧的“ 评估 ”选项卡中，单击“ 添加新评估 ”并填写以下内容：
- 类型： Feedback 或 Expectation。
- 名称：例如“accuracy_score”。
- 值：请您进行评估。
- 理由：可选解释。
单击 “创建” 。

重新加载页面后，新的评估列将显示在“跟踪”表格中。

步骤 5：发送跟踪以供专家评审

步骤 2 中的负面最终用户反馈表明存在潜在的质量问题，但只有域专家可以确认是否存在真正的问题并提供正确的答案。创建标签会话以获取权威专家反馈：

import mlflow
from mlflow.genai.label_schemas import create_label_schema, InputCategorical, InputText
from mlflow.genai.labeling import create_labeling_session

# Define what feedback to collect
accuracy_schema = create_label_schema(
    name="response_accuracy",
    type="feedback",
    title="Is the response factually accurate?",
    input=InputCategorical(options=["Accurate", "Partially Accurate", "Inaccurate"]),
    overwrite=True
)

ideal_response_schema = create_label_schema(
    name="expected_response",
    type="expectation",
    title="What would be the ideal response?",
    input=InputText(),
    overwrite=True
)

# Create a labeling session
labeling_session = create_labeling_session(
    name="quickstart_review",
    label_schemas=[accuracy_schema.name, ideal_response_schema.name],
)

# Add your trace to the session
# Get the most recent trace from the current experiment
traces = mlflow.search_traces(
    max_results=1  # Gets the most recent trace
)
labeling_session.add_traces(traces)

# Share with reviewers
print(f"Trace sent for review!")
print(f"Share this link with reviewers: {labeling_session.url}")

使用评审应用

专业评审员现在可以执行以下操作：

打开审阅应用程序的 URL。
通过问题和响应（包括任何最终用户反馈）查看追踪。
评估响应是否实际准确。
如果需要，请在 expected_response 中提供正确的答案。
提交专家评估作为基本事实。

还可以使用 MLflow 3 UI 创建标记会话，如下所示：

在“试验”页上，单击“标记”选项卡。
在左侧，使用 “会话 和架构 ”选项卡添加新标签架构并创建新会话。

如何在 UI 中创建标记会话。

步骤 6：使用反馈评估应用

专家提供反馈后，使用其 expected_response 标签通过 MLflow 的正确性评分器评估你的应用：

注释

此示例直接使用踪迹进行评估。在应用程序中，Databricks 建议将标记的跟踪添加到提供版本跟踪和世系的 MLflow 评估数据集中。请参阅创建评估集指南。

import mlflow
from mlflow.genai.scorers import Correctness

# Get traces from the labeling session
labeled_traces = mlflow.search_traces(
    run_id=labeling_session.mlflow_run_id,  # Labeling Sessions are MLflow Runs
)

# Evaluate your app against expert expectations
eval_results = mlflow.genai.evaluate(
    data=labeled_traces,
    predict_fn=my_chatbot,  # The app we created in Step 1
    scorers=[Correctness()]  # Compares outputs to expected_response
)

正确性评分器将应用输出与专家提供的 expected_response输出进行比较，从而提供与专家期望一致的定量反馈。

人工评估预期响应

示例笔记本

以下笔记本包括此页上的所有代码。

人工反馈快速入门笔记本

获取笔记本

后续步骤

继续您的旅程，并参考这些推荐的行动和教程。

生成评估数据集 - 从生产反馈创建全面的测试数据集
开发期间进行标记 - 了解用于开发的高级注释技术
收集域专家反馈 - 设置系统专家评审流程

参考指南

有关本快速入门中提到的概念和功能的更多详细信息，请参阅以下内容：

查看应用 - 了解 MLflow 的人工反馈界面
标注会话 - 了解专家评审会话的工作原理
标记架构 - 探索反馈结构和类型

通过