面试题 · 检索
搜索「上下文组装」匹配到口述回答，相关段落已展开。查看匹配内容 ↓
请详细描述检索增强生成(RAG)技术的基本工作流程，包括检索、增强和生成三个核心阶段的具体实现方式。
RAG 由离线知识准备和在线问答两部分组成。检索能提供外部证据，但检索结果和生成都可能出错，因此整条链路要可评估、可追踪和可回滚。
对用户问题做规范化、权限过滤和查询改写，再进行向量、BM25 或多路召回。候选可以通过 RRF、规则或 Cross-Encoder 重排。ANN 检索是近似计算，不是“确定性知识”；相同输入能否稳定复现还取决于索引版本、并发更新和实现。
对候选去重、裁剪并保留来源标识，把问题、证据和回答约束组装成上下文。要处理冲突、过期和权限不足的证据，并防止检索内容中的提示注入被当作系统指令。
按学习路线查看教程、项目和面试题。
模型基于证据生成答案和引用；证据不足时应拒答、继续检索或请求澄清。服务端验证引用是否指向真实候选，并记录查询、索引版本、候选顺序、模型版本和最终输出。
结论：RAG 不是简单“外挂知识库”，而是从数据版本、检索、上下文到生成和引用的一条可观测证据链。
场景切入
假设你在做客服问答系统，用户问“怎么退货”，系统得从知识库找答案。但知识库可能有几百份文档，你怎么确保找到最相关的部分，然后让大模型基于它生成回答？能说说整个流程吗？
层层追问
大模型回答容易胡说，你怎么让它的回答更可靠？……比如靠外挂知识库？……那具体怎么把知识库和生成过程结合起来呢？从用户提问到最终回答，你详细说说每一步怎么做？
直球架构
请详细描述RAG的完整工作流程，重点讲清楚检索、增强、生成三个阶段分别怎么实现，包括文档处理、向量化、检索策略、Prompt组装这些环节。
[[RAG]] 的工作流我一般分成两条线看：一条是离线建知识库，一条是在线回答问题。离线把资料处理成可检索的知识单元，在线再根据用户问题把相关知识找出来，拼给大模型生成答案。
离线阶段先做文档处理。原始资料可能是 PDF、网页、Word、数据库记录，先要清洗掉页眉页脚、广告、重复模板这些噪声。然后做 chunk，把长文档切成适合检索的片段。这里不能只按长度硬切，最好结合标题、段落、语义边界，否则一个答案被切到两个块里，检索和生成都会受影响。切完之后，用 [[Embedding]] 模型把每个 chunk 转成向量，连同标题、来源、时间、权限标签这些 metadata 一起写入[[向量库]]或搜索引擎。
在线阶段先进入检索。用户问题进来后，也会被转成向量，到向量库里找 TopK 相似片段。实际项目里我一般不会只靠向量检索，因为专有名词、编号、缩写这类问题，[[BM25]] 反而更稳。所以会用 hybrid search，把向量召回和关键词召回合并，再用 reranker 做精排，把真正能回答问题的内容排到前面。
检索之后是增强。这个阶段表面上是拼 prompt，本质上是上下文选择和上下文治理。要把重复片段去掉，把低相关片段过滤掉，把来源信息保留下来，还要控制总 token 长度。通常我会按“相关性、可信度、时间新旧、权限”来排序，最后组成一个结构化 prompt，比如先给参考资料，再给用户问题，再明确要求模型只能基于资料回答，资料不足就说明不足。
最后是生成。大模型拿到增强后的 prompt 后生成答案，但这里还要加几个工程约束。一个是引用溯源，让答案里的关键结论能对应到来源文档；一个是拒答机制，如果检索分数太低或者资料互相冲突，就不要硬编；还有一个是后处理，比如检查格式、敏感信息、引用是否存在。
所以 RAG 不是简单的“搜一下再回答”，而是从文档处理、召回、[[重排]]、上下文组装到生成约束的一整套链路。任何一环出问题，最后答案都会受影响。比如检索没找对，prompt 写得再好也没用；检索找对但上下文塞太多噪声，模型也可能被带偏。
我会特别强调一点：RAG 的上限往往先由检索结果决定，再由生成模型决定。一个成熟系统要同时评估检索侧的 Recall@K、MRR，也要评估生成侧的[[忠实度]]和答案正确率。
