面试题 · 检索
请描述RAG（Retrieval-Augmented Generation）系统的完整工作流程，并说明在构建向量检索库时，如何应对信息时效性问题（如时间衰减）以提升召回质量。
1. 索引阶段（Offline）
2. 检索阶段（Online）
3. 生成阶段
核心思路：让"新"文档在相似度计算中获得隐性加分
按学习路线查看教程、项目和面试题。
| 方案 | 实现方式 | 适用场景 |
|---|
| 时间衰减加权 | score_final = score_semantic × exp(-λ·Δt)，λ控制衰减速率 | 新闻、社交媒体 |
| 动态时间窗口 | 优先检索近N天数据，无结果再扩展全库 | 金融公告、政策文件 |
| 时间感知Embedding | 训练时注入时间编码，或拼接时间特征向量 | 需要端到端优化 |
| 混合检索 | 时间范围过滤 + 语义检索，ES的range+knn组合查询 | 工程落地首选 |
工程实践要点：
建议系统学习该知识点
场景切入
假设你在做新闻推荐系统，用户搜“疫情最新政策”，库里既有昨天的文章也有去年的。你拿RAG去召回应优先返回哪个？怎么让系统自动给新内容加权，别老把旧东西翻出来？
层层追问
你平时用RAG做知识库问答，流程大概是怎样的？……那检索的时候，如果用户问的是实时信息，怎么保证召回的是最新的？……如果我想让时间越近的文档得分越高，具体在向量数据库里怎么实现？
直球架构
描述一下RAG的完整工作流程，从离线建库到在线检索生成。另外，针对信息时效性问题，你会怎么设计向量检索库，让新文档在召回时获得优势？
这道题其实是在问，怎么让大模型在回答时既能拿到外部知识，又能保证拿到的知识是最新的。[[RAG]] 的核心就是给 LLM 配一个可检索的外部知识库，而不是靠它自己的参数硬记。
我先说完整流程，分三个阶段。索引阶段，离线把文档切成块，chunk 大小我一般控制在 256 到 512 tokens，太短缺上下文，太长噪声多。然后拿 [[Embedding]] 模型转成向量，同时把时间戳、来源、类别这些元数据也存下来。最后写入 [[Vector Database]]，比如 Milvus 或者 ES，建 [[HNSW]] 索引。这一步有个坑：[[分块]]策略要跟下游任务对齐。如果是客服退款场景，按段落切比固定长度好，因为一个退款流程的上下文往往跨好几个句子。
检索阶段，用户 query 进来，我先做改写，比如补全指代、扩展同义词。然后不是只做向量检索，我一般会加上关键词检索，也就是 [[Hybrid Search]]，因为向量擅长语义但可能漏掉精确匹配，比如订单号。召回 top-K 之后再做一轮 [[Rerank]]，用 [[Cross-Encoder]] 精排，把相关性低的过滤掉。这么做的前提是重排模型不能太慢，否则延迟扛不住。
生成阶段，把检索结果按相关性排序组装成上下文，控制 token 数，别超模型窗口。然后让 LLM 生成回答。这里有个常见失败场景：检索出的文档互相矛盾时，LLM 可能胡编，所以上线我会特别关注 [[Faithfulness]]，比如加一层自检，让模型引用原文。
接下来重点说时效性。知识库里的内容有新旧，如果只按语义相似度取，旧的高质量文章可能永远压过新的，导致回答过时。比如商家满减政策变了，模型还按旧政策回答就会出错。
我的做法是时间衰减加权：最终得分 = 语义相似度 × exp(-λ × 时间差)。λ 控制衰减快慢，新闻类 λ 设大一点，让新内容快速出头；百科类 λ 设小，因为知识半衰期长。但有个风险：λ 调太大，新但质量差的内容会冲上来，压制旧但精准的结果。所以上线前我会用历史 query 回放，调 λ 让 Recall@K 最优。
另一个方案是动态时间窗口：先只搜最近 N 天的数据，如果召回不够再放宽。比如金融公告场景，财报发布后一周内只搜当季数据，没有结果再扩到全库。这样既保证时效，又不会完全丢掉长尾知识。
实际落地，我更倾向把时间衰减和混合检索结合起来。检索时先用时间范围过滤，比如只取最近一年，再在结果里做衰减加权。这样既快又稳。
还有一个细节是，时间戳本身的质量很重要。如果元数据里时间戳不准，比如爬虫抓的新闻发布时间是错的，那所有时效优化都白搭。所以我一般会加一层时间清洗，比如用页面里的发布时间而不是抓取时间。这个清洗策略其实可以单独聊。
最后总结一下：RAG 不是简单的检索加生成，难点在索引和检索阶段的工程细节，尤其是时效性和语义的平衡。我会把时间衰减看成一种先验偏置，而不是绝对规则，具体参数靠业务调优。这样既能保证回答新鲜，又不牺牲精准度。