你是不是是不是也遇到经历过这种崩溃时刻：

让大模型写份报告，结果引用了不存在的研究；用RAG做知识库问答，答案驴唇不对马嘴；辛辛苦苦标注的数据，训练出的模型却频频"幻觉"……

现在，这些头疼问题有了新解法——Dingo 1.9.0 正式开源！这款被业内称为"AI数据质检官"的工具，直接把RAG幻觉检测精度干到94.6%，还能一键搞定50+项数据质量评估指标。

- HuggingFace空间：https://huggingface.co/spaces/DataEval/dingo
- Colab交互演示：一键运行预设案例
- 传送门：https://github.com/MigoXLab/dingo

🚀 三大杀招，终结AI"胡说八道"

1️⃣ 幻觉检测双引擎，本地云端任你选

• HHEM-2.1-Open本地模型：无需API，零成本跑在自己电脑上，毫秒级判断大模型回答是否"造谣"
• GPT云端检测：调用OpenAI模型做深度事实核查，连细微的逻辑矛盾都能揪出来

不管是RAG系统输出，还是SFT训练数据，都能给你打个"可信度分数"（0-1.0），阈值可调，轻松拦截问题内容。

2️⃣ 配置系统大重构，DevOps狂喜

之前调参数像拆炸弹？现在：

• 支持项目→用户→系统三级配置继承，一套模板复用全团队
• 热重载实时生效，改配置不用重启服务
• 自带Schema校验，错了立马给提示，小白也能玩转

3️⃣ DeepWiki文档问答，让手册活过来

产品文档太复杂？技术手册看不动？

• 上传文档秒变智能助手，中英日多语言无缝切换
• 多轮对话记得住上下文，复杂问题拆解着答
• 自动解析文档结构，还能可视化导航，找信息像用地图一样简单
  

⚡ 3行代码就能用，上手零门槛

# 安装即用
pip install dingo-python==1.9.0

# 源码安装尝鲜
git clone https://github.com/MigoXLab/dingo.git
cd dingo && pip install -e .

👥 从科研到工业界，全场景覆盖

不管你是：

• 训练大模型的数据科学家（筛数据效率提10倍）
• 做RAG应用的工程师（告别"一本正经地胡说八道"）
• MLOps团队（把数据质检嵌进流水线）
• 高校研究者（标准化评估框架直接复用）

Dingo都能帮上忙。目前已经有不少AI安全团队把它集成到生产环境，专治各种数据"疑难杂症"。