面试题 · 评估
搜索「医疗」匹配到口述回答，相关段落已展开。查看匹配内容 ↓
请介绍检索增强生成（RAG）的整体流程；阐述你对编码模型（如DPR、Contriever）的理解，包括其工作原理、优缺点；并说明如何评估编码模型的检索能力。
三阶段架构：
核心架构：双编码器（Bi-Encoder）
Query → Encoder_q → 向量q
Doc → Encoder_d → 向量d
Score = q · d （点积或余弦相似度）DPR（Dense Passage Retrieval）
Contriever
按学习路线查看教程、项目和面试题。
| 指标 | 含义 | 适用场景 |
|---|---|---|
| Recall@K | Top-K中命中正样本的比例 | 关注召回完整性，RAG首选 |
| MRR | 首个正样本排名的倒数均值 | 关注排序首位准确性 |
| NDCG | 考虑相关度等级的加权排序 | 多等级相关性场景 |
RAG场景关键： 优先看Recall@K（如Recall@5/10），因为生成阶段能处理少量噪声，但漏召回无法弥补。
建议系统学习该知识点
场景切入
假设我们在做一个电商客服系统，用户问“我的订单到哪了”，系统需要从海量商品文档中检索相关信息。你能从头到尾讲一下RAG是怎么实现的吗？特别是那个把问题转成向量的编码模型，比如DPR或Contriever，它们到底怎么工作的？
层层追问
RAG流程里检索那步你是怎么做的？……编码模型把query和文档都转成向量，那DPR和Contriever有什么不同？……它们的优缺点呢？……那你怎么判断这个编码模型检索得好不好？
直球架构
请介绍RAG的完整流程，重点讲编码模型的工作原理、优缺点，以及如何评估编码模型的检索能力。从DPR和Contriever的架构开始说吧。
好，这道题其实是在问一件事：怎么让大模型在不知道答案的时候，能自己去查资料，然后给出靠谱的回答。[[RAG]]就是干这个的，它本质上不是让模型学会新知识，而是给它配一个外挂知识库。
先说整体流程，我习惯把它拆成三段。第一段是索引，把知识文档切成小块，大概几百个token一段，然后用编码模型转成向量，存到[[向量数据库]]里。第二段是检索，用户问一个问题，同样用编码模型转成向量，去库里做近邻搜索，召回最相关的几段。第三段是生成，把问题和召回文档拼在一起，喂给大模型，让它基于这些信息回答。
这里有个关键组件就是编码模型，它决定了检索质量。我重点说说两种典型方案。DPR是有监督的，训练时用标注好的正例和负例，通过对比学习让正例距离近、负例远。它的优点是检索精度高，在特定场景下Recall能做得很好，但缺点也很明显，就是依赖标注数据，换一个领域就得重新标，成本很高。Contriever则走了另一条路，无监督，它利用语料里相邻句子天然语义相关这一特点，把连续句子对当正样本，随机采样当负样本。好处是训练数据零成本，通用性强，几乎不用调就能用，但坏处是在垂直领域，比如医疗、法律，效果可能不如有监督的DPR。
那么落地的时候怎么选呢？我的经验是，如果业务场景比较固定，数据标注成本能接受，DPR是首选；如果场景多变，或者刚起步没什么标注数据，先用Contriever快速验证，等数据积累够了再切到DPR。真正上线时，我几乎一定会把向量检索和关键词检索结合起来，也就是 [[Hybrid Search]]，因为向量擅长语义匹配，但精确匹配比如订单号、政策条款号，还是[[BM25]]更靠谱。
怎么评估编码模型的检索能力？RAG场景下，我最看重的是 Recall@K，比如Recall@5。为什么？因为生成阶段能容忍一些噪声，你给大模型十段文档，哪怕其中两三段不相关，它也能挑出有用的信息。但如果你漏掉了关键文档，大模型就真不知道，那它就可能会瞎编，也就是 [[Hallucination]]。所以召回完整性是第一位的。MRR和NDCG这些排序指标，在RAG里优先级可以放低一点。
这里有个常见的失败场景，就是知识库频繁更新。比如企业客服的退款政策经常变，如果向量索引不支持增量更新，每次全量重建不仅耗时耗资源，还会造成服务中断。我的做法是维护一个base索引和一个delta索引，新文档直接插到delta里，查询时合并结果，然后定时异步把delta合并到base。如果文档删除或修改，我不用原地操作，而是软删除加版本号过滤。上线前我一定用一批历史query回放，对比新旧索引的Recall@K和延迟，达标才原子切换，不达标就回滚。 所以我会把编码模型看成RAG的入口守门员，它的召回能力决定了整个系统的天花板，而生成模型只是在这个天花板下做文章。