匹配正文：…关键作用：弥补双塔向量检索的语义鸿沟 4. 上下文构造格式组装：按相关性排序，添加文档标识（如[Doc 1]）长度控制：截断、摘要压缩、或分层检索（摘要→全文）去重与连贯性：处理重复段落，保证上下文逻辑流畅 5. 生成答案构造Prompt：系统指令 + 检索上下文 + 用户问题模型生成时结合上下文约束，输出带引用的答案 6. 后处理（可选）答案与来源的归因校验置信度判断，触发"无法回答"兜底核心权衡：检索阶段重召回、生成阶段重精准，中间靠重排序桥接。学习建议…

#美团#RAG全链路#RAG 工作流程

面试题·检索· 字节

RAG 系统怎么持续迭代?

匹配正文：…排）按置信度加权动态截断：根据query难度自适应调整送入LLM的文档数三、生成层优化（最终输出）上下文压缩：检索结果去重、摘要提取，避免超长context稀释注意力引用生成：强制模型输出引用标记，便于溯源和事实校验领域微调：用高质量RAG数据对基座模型SFT，提升利用检索信息的能力四、评估与迭代闭环离线评估检索：Recall@K、MRR 端到端：Answer Correctness（用GPT-4判题）、Faithfulness（幻觉检测）在线评估用户满意…

← 上一页第 10 / 11 页下一页 →

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

按学习路线查看教程、项目和面试题。

站内 RAG 在线实战

#字节#RAG评估闭环#RAG 系统优化

面试题·检索· AIlab

RAG流程优化：三大层面策略

匹配正文：…一、检索层优化索引构建分块策略：按语义/结构分块（标题-内容、固定长度+重叠），非均匀分块优于固定长度多向量表示：同一文档用摘要、关键词、问题等多角度embedding 元数据过滤：时间、来源、类别等字段预过滤缩小检索范围查询侧优化查询改写：HyDE（生成假设文档再检索）、Query2Doc、子查询分解查询扩展：同义词、相关术语扩展召回意图识别：区分事实查询/摘要/对比类问题，路由到不同索引检索策略混合检索：向量相似度 + BM25关键词，RRF融合排序重…

#AIlab#RAG流程优化#RAG 优化

面试题·检索· 百度

RAG 技术实现流程怎么走?

匹配正文：… 过滤策略相关性阈值截断、元数据过滤（如只查最近1年文档）四、上下文构建与生成上下文组装：按相关性排序，标注来源；超长时采用摘要压缩或多轮检索 Prompt设计：明确指令"基于以下参考信息回答，若信息不足请说明" 生成优化：引用溯源：要求模型输出引用标记 [doc_id] 拒答机制：检索结果相关性均低于阈值时，不编造答案关键权衡召回率 vs 精确率：业务问答优先精确率（宁可少答），知识探索优先召回率；延迟敏感场景可牺牲精排深度。

#百度#文档切分与检索#RAG 实现流程

面试题·检索· 百度

RAG 工作流程与关键技术组件

匹配正文：…切分、语义切分、Agentic切分三、核心挑战检索精度：语义鸿沟导致召不准，需多路召回+重排序上下文瓶颈：长文档超出窗口，需摘要压缩或层级索引知识时效性：静态索引难更新，需增量索引+版本管理幻觉与归因：模型不看检索内容瞎编，需强制引用溯源多跳推理：复杂问题需多次检索，引入ReAct/ToT等Agent架构实际落地中，检索质量决定RAG上限，建议先做检索评测（Recall@K、MRR）再优化生成。

#百度#RAG技术架构#RAG 工作流程

面试题·检索· 百度

RAG 文档处理与检索策略怎么搭？

匹配正文：…"我不知道" 多轮RAG：迭代检索补充信息典型痛点问题解法检索失效混合检索 + Query扩展 + 重排序上下文过长摘要压缩、分层检索幻觉严格引用约束、答案后校验

#百度#RAG检索策略#RAG 系统架构

面试题·检索· 字节

RAG 核心实现原理是什么?

匹配正文：…nced RAG（生产常用） Query → 路由判断 → 多路检索(向量+关键词+图谱) → Rerank精排 → 上下文压缩/摘要 → LLM生成增强点：查询改写、混合检索、检索结果过滤、引用溯源落地关键挑战检索精度：Embedding语义漂移、领域术语匹配差 → 需微调Embedding+RRF融合上下文窗口：检索结果过长 → 采用摘要、分层检索、Map-Reduce策略答案幻觉：模型不忠实于检索内容 → 加引用标注、约束生成Prompt

#字节#RAG实现原理#RAG 实现原理

面试题·检索· 字节

RAG 架构组件与失败场景

匹配正文：…语义分块（基于Embedding变化点）检索长尾Query失效查询扩展、多向量表示（ColBERT）生成上下文淹没压缩摘要、选择性注入相关片段

#字节#RAG组件协同#RAG 系统架构

面试题·检索· 虾皮

RAG 流程优化：检索与重排陷阱

匹配正文：…题：领域适配和表征质量优化策略：领域微调：用对比学习在业务数据上微调Embedding模型多向量表征：一个文档生成多个向量（摘要、关键词、详细内容）稀疏-稠密混合：结合BM25和向量检索的优势 3. 向量检索核心问题：召回率和延迟的权衡优化策略：索引优化：HNSW参数调优（ef_construction/ef_search），IVF-PQ量化降维多路召回：向量检索 + 关键词检索 + 知识图谱并行召回查询扩展：用LLM生成同义查询，提升覆盖度 4. 重排序（…

#虾皮#RAG全链路优化#RAG 流程优化

面试题·检索· 小红书

RAG 局限性怎么破?

匹配正文：…Self-RAG：让模型自主判断"是否需要检索"及"是否引用" 3. 架构演进 GraphRAG：构建知识图谱，支持多跳推理与全局摘要 Agentic RAG：ReAct循环（检索→推理→再检索），动态决策检索时机与工具 RAG + Fine-tuning：领域embedding微调 + 生成模型SFT，打通语义空间关键权衡：RAG并非万能，与Fine-tuning是互补关系——RAG解决"知识更新"，Fine-tuning解决"知识内化"；复杂推理场景需走向Agent化，…

#小红书#RAG局限性#RAG 局限性

面试题·检索· 字节

RAG架构：检索器与重排序策略

匹配正文：…迟与精度折中多任务Reranker：同时优化相关性、时效性、权威性提升效果的关键技术问题解决方案上下文过长截断检索结果摘要压缩、层次化检索（先章节后段落）多跳推理迭代检索（IRCoT）、知识图谱增强幻觉与归因检索结果显式引用、置信度阈值过滤冷启动/新文档增量索引、实时向量更新管道落地权衡延迟：按业务SLO分别测编码、检索、重排、TTFT与生成TPOT；完整回答时长受输出长度影响，不套统一500/100/400ms预算。成本：Embedding调用…

#字节#向量库与重排序#RAG 架构设计

面试题·检索· OPPO

Context vs Prompt Engineering 区别?

匹配正文：… 多样性控制：MMR算法避免冗余压缩层（Compression）上下文压缩：LLMLingua、选择性上下文结构化组织：树状摘要、时间线梳理协同关系用户问题 → Context Engineering（造好"食材"）→ Prompt Engineering（做好"烹饪"）→ 模型输出 CE是PE的基础：再精妙的提示词，喂给模型的上下文质量差，效果也受限 PE反哺CE：通过PE分析模型失败案例，指导CE优化检索策略应用场景差异场景主导方法原因代码生成、创意写…

#OPPO#Prompt工程#Context Engineering

面试题·检索· 快手

LLM怎么融入推荐系统？特征提取与召回

匹配正文：…或做不好的环节，用LLM的语义理解能力补位。三阶段技术路径 1. 特征提取层（最成熟）物品语义特征：用LLM生成item的文本摘要、标签、情感极性，替代人工标注用户兴趣画像：将用户行为序列（点击、评论）输入LLM，抽取动态兴趣标签交叉特征生成：LLM理解item A和item B的语义关联，生成隐式交叉特征快手实践：用LLM解析短视频标题/ASR文本，生成结构化标签，喂给双塔模型 2. 召回层（探索中）方案原理挑战语义向量召回 Item→LLM Embedd…

#快手#LLM推荐系统#LLM 推荐系统

面试题·检索· 快手

LLM怎么融入推荐系统？序列建模与排序

匹配正文：…间对齐 2. 序列建模：长行为序列处理方案做法问题直接输入将N条行为拼成超长prompt 上下文窗口限制、推理成本爆炸摘要压缩 LLM先压缩历史为兴趣标签信息损失、压缩策略设计分层架构传统模型做短期，LLM做长期兴趣多源信息融合复杂快手场景：视频消费序列极长（数百上千），需结合SIM-style采样 + LLM语义理解 3. 召回/排序：生成式 vs 判别式生成式召回（如TIGER、P5）： LLM直接生成候选物品ID或描述优势：打通多任务、冷启动友…

#快手#LLM推荐架构#LLM 推荐系统

面试题·检索· 字节

RAG 向量检索怎么高效召回?

匹配正文：核心检索流程 1. 查询预处理查询改写：扩展同义词、纠错、补全上下文（如HyDE生成假设文档）意图识别：区分事实查询/摘要/对比类问题，路由到不同检索策略 2. 向量检索执行索引结构：HNSW（高召回+速度平衡）、IVF-PQ（超大规模）、DiskANN（内存受限）参数调优：ef_search（搜索深度）、M（图连通度）与延迟的trade-off 3. 多路召回融合向量召回（语义相似） + 稀疏检索（BM25，关键词匹配） + 倒排索引（结构化过滤） → 线性加权或…

#字节#向量数据库召回#RAG 向量检索

面试题·检索· 字节

RAG 技术实现怎么落地?

匹配正文：… 内部文档、规章制度，解决大模型不知道私域知识的问题客服系统基于产品手册实时检索，避免幻觉，答案可溯源研报/法律分析长文档摘要+精准定位原文，处理超出上下文长度的材料核心优势 vs 局限优势知识实时更新：不用重新训练模型，增量更新知识库即可可解释性强：答案有来源引用，便于人工审核成本可控：相比全量微调，RAG实施门槛低局限检索质量决定上限（"Garbage in, garbage out"）多跳推理、跨文档关联能力弱上下文窗口限制，过多检索结果会稀释…

#字节#RAG应用场景#RAG 技术实现

面经·项目面试

Lint 红灯之后，谁来停住下一步？

匹配正文：…都只记日志”。运行器收集了标准错误，但生成 message 时只使用标准输出；前述1000字符切片截的是给 Hook 的工具输出摘要，不是 Hook 标准输出。本次记录中，工具原结果为1522字符，后置脚本收到1000字符；另一次直接调用返回了1221字符的标准输出消息。真实检查可能自行读取产物或写其他记录，范围仍需另查。回到主问题：失败信息必须到达拥有下一步执行权的组件，并被它按约定消费，才能成为控制。

#Agent#Hook#Lint

面经·项目面试

Agent 说“文档建好了”，你怎么验收？

匹配正文：…型曾经生成过一份完整正文，不能证明最后提交的就是那一份；第一次读回通过，也不能替后续改写作保证。可以在任务记录里保存本次预期内容的摘要标识、目标文档和读回时间。正文变化后，只复查受影响的内容与格式，避免拿旧检查结果给新版本盖章。中间超时，先找回已经发生的事现在把例子改一下：创建文档已经成功，追加正文时网络超时。下一步该怎么办？直接从头调用“创建并写入”很危险。第二次可能再建一份文档；如果第一次追加请求实际上已经执行，只是回执没到，重放还可能把同一段正文写两遍。超时说明…

#Agent#工具调用#工程实践

面试题·RLHF与对齐· 阿里

DPO vs PPO 怎么选?

匹配追问：…体如何解决DPO的固有问题如果让你设计一个长文本对齐方案，会选择PPO还是DPO，如何改进场景切入假设我们要做一个智能客服的摘要生成模型，用户反馈数据很多，偏好很明确。你会选 DPO 还是 PPO 来对齐？别急着说选哪个，先聊聊各自的优缺点。层层追问大模型对齐你用过哪些方法？……RLHF 那一套呢，PPO 你了解吧？……那 DPO 呢，知道它怎么绕过奖励模型的吗？……好，那你觉得这两种方法从原理到实际落地，核心差异在哪？直球架构请从算法原理、实现复杂度、训练稳定…

#DPO#PPO#RLHF

面试题·多模态· 得物

多模态大模型怎么理解？

匹配口述回答：…方材料描述公开能力，不能替它断言从零端到端训练或具体连接结构。应用可以覆盖跨模态检索、OCR、文档问答、图表理解、视觉定位、视频摘要和Agent感知。评测要拆开感知是否看对、grounding是否有区域证据、推理是否正确、回答是否受证据支持，还要看延迟、上下文成本、提示注入与隐私。这样才能从架构、训练到应用完整说明多模态能力。多模态系统还要处理模态缺失和冲突。图像缺失、音频损坏或OCR与视觉不一致时，应显式标记可用证据并允许降级；不能把缺失向量当正常输入。训练和评测都应包…

#多模态融合#视觉语言模型#对比学习

面试题·Agent· 蚂蚁

多用户Memory隔离：LangChain改造方案

匹配口述回答：…有个延伸点，就是当记忆体量特别大的时候，比如一个用户积累了上千轮对话，直接全量加载到prompt里肯定不行。这时候需要做记忆压缩或摘要，比如用LLM把历史对话总结成几条要点，再注入上下文。这其实涉及到记忆管理策略。所以整体上，我更倾向用Redis作为外部存储的方案。它兼顾了隔离性和水平扩展能力，而且Redis的持久化机制能保证重启不丢数据。多实例隔离我只在原型验证时用，生产环境不会选。这就是我的一些考虑。一句话定位：多用户记忆隔离本质是会话状态管理方案一：会话键+外部…

#蚂蚁#Agent#LangChain Memory 隔离

面试题·Agent· 腾讯

Agent 核心定义与关键能力

匹配口述回答：…是：传统模型是输入输出的一次性响应，[[Agent]] 是感知-推理-行动-观察的持续闭环。先说边界。纯模型适合什么？比如翻译、摘要、单轮问答，输入明确，输出直接，一次调用就够了。但一旦任务需要跟外部系统打交道，比如查数据库、调用API、按流程操作，模型就抓瞎了，因为它没有手。Agent 就是给模型装上手脚和眼睛。但落地时常常不是非黑即白，我会把纯模型和 Agent 结合起来：简单请求走模型直出，复杂任务才走 Agent 编排，这样既保速度又保能力。具体说一下 Agent…

#腾讯#Agent#Agent 定义

面试题·Agent· 商汤科技

Agent 架构落地看哪些组件?

匹配口述回答：…会话状态保存当前任务所需字段，长期偏好需要来源、时间、置信度、可删除和租户边界，知识库保存可复用事实；三者生命周期不同。模型生成的摘要不能自动成为可信事实，关键状态应来自工具或用户确认。工具结果也不能直接信任，要校验 schema、业务状态和权限。数据分析假设中，生成 SQL 只是中间产物。系统还要限定可访问的数据集、最大扫描量、超时、敏感列和只读事务；查询结果为空或异常时，Agent 应返回证据不足，而不是改写结论。自然语言解释需要携带口径与查询版本，方便复现。若用户要求…

#商汤科技#Agent#AI Agent 架构

RAG 流程各阶段怎么拆?

RAG 完整工作流程怎么跑?

RAG 系统怎么持续迭代?

RAG流程优化：三大层面策略

RAG 技术实现流程怎么走?

RAG 工作流程与关键技术组件

RAG 文档处理与检索策略怎么搭？

RAG 核心实现原理是什么?

RAG 架构组件与失败场景

RAG 流程优化：检索与重排陷阱

RAG 局限性怎么破?

RAG架构：检索器与重排序策略

Context vs Prompt Engineering 区别?

LLM怎么融入推荐系统？特征提取与召回

LLM怎么融入推荐系统？序列建模与排序

RAG 向量检索怎么高效召回?

RAG 技术实现怎么落地?

Lint 红灯之后，谁来停住下一步？

Agent 说“文档建好了”，你怎么验收？

DPO vs PPO 怎么选?

多模态大模型怎么理解？

多用户Memory隔离：LangChain改造方案

Agent 核心定义与关键能力

Agent 架构落地看哪些组件?