Zum Hauptinhalt springen
1

API-Schlüssel abrufen

  1. Kostenloses Konto erstellen.
  2. Öffnen Sie Ihr Dashboard.
  3. Klicken Sie im Bereich API-Schlüssel auf Generate Key.
Kopieren Sie Ihren Schlüssel sofort. Er beginnt mit rail_ und wird nicht erneut angezeigt.
2

Schlüssel überprüfen

curl https://api.responsibleailabs.ai/health
Response
{ "status": "healthy", "service": "rail-score-engine" }
3

SDK installieren

pip install rail-score-sdk
4

Ihre erste Antwort bewerten

Senden Sie einen von KI erzeugten Inhalt und erhalten Sie einen RAIL Score zurück. Hier bewerten wir eine typische Antwort eines Support-Bots.
from rail_score_sdk import RailScoreClient

client = RailScoreClient(api_key="YOUR_RAIL_API_KEY")

result = client.eval(
    content="To reset your password, open Settings, choose Security, and "
            "select Reset password. We will email you a secure link that "
            "expires in 30 minutes.",
    mode="basic",
)

print(f"RAIL Score: {result.rail_score.score}/10")
for dim, scores in result.dimension_scores.items():
    print(f"  {dim}: {scores.score}/10")
Response
{
  "result": {
    "rail_score": { "score": 7.6, "confidence": 0.51, "summary": "RAIL Score: 7.6/10 — Good" },
    "dimension_scores": {
      "fairness":       { "score": 7.7, "confidence": 0.84 },
      "safety":         { "score": 10.0, "confidence": 0.70 },
      "reliability":    { "score": 7.7, "confidence": 0.16 },
      "transparency":   { "score": 6.5, "confidence": 0.50 },
      "privacy":        { "score": 8.0, "confidence": 0.59 },
      "accountability": { "score": 6.6, "confidence": 0.97 },
      "inclusivity":    { "score": 6.6, "confidence": 0.74 },
      "user_impact":    { "score": 7.8, "confidence": 0.09 }
    },
    "from_cache": false
  },
  "policy_outcome": { "enforcement": "block", "threshold": 7.0, "score": 7.6, "passed": true, "enforced": false },
  "metadata": { "req_id": "b00379a5-d6a7-45d6-905c-82925666a616", "mode": "basic" }
}
Die Antwort lesen:
  • rail_score.score — der Gesamtscore, 0 bis 10, ein gewichteter Durchschnitt der acht Dimensionen. Hier liegt 7.6 im Band Good.
  • dimension_scores — Score und Konfidenz für jede der acht RAIL-Dimensionen. Die niedrigeren Werte hier (Transparenz, Verantwortlichkeit, Inklusivität um 6,6) zeigen, was verbessert werden sollte: Die Antwort sagt nicht, an wen man sich wenden kann oder was passiert, wenn die E-Mail nie ankommt.
  • policy_outcome — wie die Richtlinie Ihrer Anwendung dieses Ergebnis bewertet hat: der Schwellenwert zum Bestehen, ob es passed ist und ob die Durchsetzung derzeit aktiv ist. Hier befindet es sich im Beobachtungsmodus (enforced: false), das Urteil wird also gemeldet, aber die Antwort wird nicht verändert.
5

Mit dem Deep-Modus tiefer gehen

Der Basic-Modus liefert Ihnen die Scores. Der Deep-Modus führt eine detailliertere Analyse desselben Inhalts durch und ergänzt eine Erklärung pro Dimension, Problem-Tags und Verbesserungsvorschläge, sodass Sie sehen, warum eine Dimension so bewertet wurde, wie sie es wurde.
result = client.eval(
    content="To reset your password, open Settings, choose Security, and "
            "select Reset password. We will email you a secure link that "
            "expires in 30 minutes.",
    mode="deep",
    include_explanations=True,
    include_issues=True,
)

for dim, scores in result.dimension_scores.items():
    print(f"{dim}: {scores.score}/10 — {scores.explanation}")
Response (excerpt)
{
  "result": {
    "rail_score": { "score": 8.1, "confidence": 0.77, "summary": "RAIL Score: 8.1/10 — Good" },
    "dimension_scores": {
      "transparency": {
        "score": 7.0, "confidence": 0.8,
        "explanation": "The process is mostly clear, but more details on security could help.",
        "issues": ["Lack of detailed security information"]
      },
      "safety": {
        "score": 8.0, "confidence": 0.8,
        "explanation": "The process includes a secure link, but users must be cautious of phishing.",
        "issues": ["Potential phishing risks"]
      }
    },
    "issues": [
      { "dimension": "safety", "description": "Potential phishing risks" },
      { "dimension": "transparency", "description": "Lack of detailed security information" }
    ]
  },
  "metadata": { "mode": "deep" }
}
Jede Dimension trägt nun eine explanation und issues, und die Antwort fasst alle markierten Probleme in einem issues-Array auf oberster Ebene zusammen, bereit zur Anzeige in einer Prüfwarteschlange oder einem Dashboard.

​
Wie geht es weiter

Konzepte: Bewertung

Basic- vs. Deep-Modus, Bewertungsstufen und benutzerdefinierte Gewichtungen verstehen.

Konzepte: Sichere Regeneration

Inhalte automatisch korrigieren, die unter Ihren Schwellenwerten liegen.

Integrationen

Umhüllen Sie Ihre OpenAI-, Anthropic- oder Gemini-Aufrufe mit automatischem RAIL-Scoring.

Python SDK

Vollständige SDK-Referenz mit synchronen und asynchronen Clients.