匹配口述回答：…则每周都在变。如果只靠SFT，模型需要重新训练才能知道本周的满减规则，周期长还容易出错。用RAG的话，我只需要把最新的促销文档扔进知识库，模型就能实时检索到‘满200减30’这种信息，再结合它通过SFT学会的退款逻辑，给出准确回答。而且客服场景要求可溯源，RAG能直接引用政策原文，用户和客服都能验证，这点SFT做不到。不过RAG不是上了就万事大吉，有几个前提必须注意。首先是检索质量，如果召回的内容是错的，那模型再聪明也没用。常见失败场景是，用户问‘订单号12345为什么显示…

#美团#RAG vs SFT#RAG

面试题·模型微调· AIlab

RAG 检索精度提升的三大陷阱

匹配追问：场景切入我看你做过客服知识库对吧？假设用户问一个售后问题，系统从文档里捞了5段，结果前3段是废话，后2段有用但没对上关键信息——你一般怎么调检索和生成，才能让回答又准又简洁？层层追问 RAG系统里检索和生成怎么配合你觉得比较重要？……那检索精度不够的时候，你会在检索器那边下功夫还是生成器这边想办法？……具体从三个层面——检索器、生成器、整体架构——你分别会做什么优化？直球架构请从检索器、生成器、整体架构三个层面，讲一下RAG系统提升检索精度和生成质量的有效手段，比如查…

#AIlab#检索器优化#RAG 优化

面试题·模型微调· 字节

RAG 工作原理与架构怎么搭?

匹配口述回答：…实在问一个很实际的问题：怎么让大模型在不知道答案的时候，还能给出靠谱的回复。[[RAG]] 的核心思路很简单，就是给模型配一个外挂知识库，需要的时候先去查一下。先讲工作原理，分成三步。第一步是索引，把文档切碎，转成向量存到 [[Vector Database]] 里。这里有个坑，切分策略直接影响检索质量。比如客服退款场景，政策文档经常是一段话里包含多个条件，按固定长度切很容易把完整逻辑切散，导致检索时上下文不完整。我一般会先用语义切分，再结合递归切分兜底，同时保留标题、章节…

← 上一页第 11 / 14 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 系统架构#RAG 工作原理

面试题·模型微调· 字节

RAG 技术原理与架构怎么搭?

匹配口述回答：…型还在用旧知识，我会在提示词里明确要求“优先基于检索内容回答，忽略模型自身知识”，并在答案后标注引用来源，方便核查。还要看时效性，知识库每天更新，但向量索引重建很慢，我会做增量索引，新增数据直接插入，删除用软删除加异步重建，保证实时性。现在很多人在做[[Agentic RAG]]，就是让模型自己决定什么时候去检索、检索什么，甚至用[[ReAct]]循环多次检索。我觉得这是RAG的进化方向，但前提是[[Agent]]的决策能力要可靠，不然容易陷入死循环。所以我的判断是，RA…

#字节#RAG 最佳实践#RAG 技术原理

面试题·模型微调· 商汤科技

RAG 技术流程怎么跑?

匹配口述回答：…M25]] 关键词检索，两路结果合并后再用 [[Cross-Encoder]] [[重排序]]。这一步能显著提升召回相关性，尤其当知识库有大量相似文档时。生成阶段，把检索到的文本和问题拼成Prompt，让LLM基于证据回答。Prompt结构很关键：先给检索内容，再给问题，明确要求模型引用来源。这里有个风险：如果检索内容有噪声或冲突，模型可能会混淆。所以我会设一个置信度阈值，低于0.6的块直接丢弃，避免污染上下文。举个例子，电商客服场景。用户问“我买的手机降价了，能退差价吗…

#商汤科技#检索生成流程#RAG 技术流程

面试题·模型微调· 美团

RAG 深度与局限怎么破?

匹配追问：场景切入假设你做电商客服，用户问“我的订单为什么还没到”，RAG系统去检索物流知识库。如果用户又问“那退货运费呢”，这时候检索容易跑偏，你遇到过这种场景吗？实际落地中RAG深度和局限在哪儿？层层追问你觉得RAG相比纯大模型生成，优势主要在哪？……那它有什么明显的短板？……比如多跳推理或者长文档处理？针对这些，你会怎么优化？直球架构请你分析一下RAG系统在实际应用中的深度和局限，然后给出至少三个具体的优化方向，包括方案细节和可行性。不用讲基础概念，直接说痛点和解法。

#美团#RAG 局限性#RAG 优化方向

面试题·RAG

大模型幻觉是什么？怎么缓解？

匹配口述回答：…率压到业务可接受的范围。所以高风险场景，比如医疗、法律、金融，一定要保留人工审核兜底，不能让模型单独拍板。另外，RAG 也有前提，知识库质量要靠谱，检索结果要准，否则只是把脏数据更快喂给模型。真正落地时，我会同时管知识库质量、检索质量和生成约束。如果面试官追问，我会说：幻觉评测也是个关键方向，比如怎么量化幻觉率。我倾向用 [[RAGAS]] 框架里的 [[Faithfulness]] 和 Answer Relevance 指标，结合人工抽检来评估。不过评测本身也有成本，需要…

#入门#基础概念#大模型幻觉

面试题·检索

向量数据库和普通数据库有什么区别?

匹配口述回答：…近的桶。代价就是近似，可能漏掉个别的真正最近邻，但实践中召回率做到95%以上，延迟能压到毫秒级，非常划算。举个业务场景，比如客服知识库，用户问“退款流程是什么”，传统关键词检索可能因为措辞不同而漏掉，向量检索能匹配语义相近的文档。但这里有个坑：如果只靠向量，遇到订单号、政策编号这种精确信息就容易翻车。所以真正落地我不会只用向量检索，而是做 [[Hybrid Search]]，把向量和关键词结合起来，再配合 [[Rerank]]，这样精确匹配和语义匹配都能覆盖。不过要注意，…

#入门#基础概念#向量数据库

面试题·Agent

MCP 是什么，与 Function Calling 什么关系？

匹配追问：…tion Calling 了,为什么还需要 MCP? 场景切入假设你们团队有 3 个 AI 助手产品,都要接公司内部的工单系统、知识库和 GitLab,现在每个都单独写对接代码很痛苦。用 MCP 的思路你会怎么重构这套集成?

#MCP#Model Context Protocol#Function Calling

面试题·模型微调

全量微调和 LoRA 微调怎么选?

匹配口述回答：…文不动，只补充重点。效果方面，大多数业务场景LoRA已经够了。举个例子，做客服退款政策适配，数据量几千条，任务就是把模型的语气和知识库对齐到公司内部政策上，可以用相同数据与预算比较LoRA和全参，不能预设效果几乎没有差别。但如果是把模型从中文变成阿拉伯语，或者从通用领域变成医疗诊断这种专业领域，数据量百万级，任务跟预训练分布差异极大，仍应比较数据质量、rank、挂载层与全参方案，而不是仅凭语言或专业领域决定。再一个，灾难性遗忘的风险。全量微调容易学了新的忘了旧的，比如你让…

#入门#基础概念#LoRA微调

面试题·知识图谱· 字节

GraphRAG 原理与构建方法

匹配追问：场景切入假设你做一个企业知识库问答系统，用户问“去年的营收是多少”你从向量库里找到了相关片段。但接着他问“那和竞争对手比呢”，这时候多个文档的关联信息怎么组织？传统的向量检索处理这种跨文档的对比分析是不是有点吃力？层层追问 RAG里面如果用户问一个需要综合多个文档才能回答的问题，比如“总结整个行业趋势”，你会怎么设计？……那如果我把这些文档中的实体和关系抽出来建成图，检索时在图上做多跳遍历或者用社区摘要，你觉得和纯向量检索比优势在哪？……具体说说这个图怎么构建、怎么检索？…

#字节#GraphRAG 实现原理#知识图谱构建

面试题·知识图谱· 字节

GraphRAG 如何支持复杂关系查询？

匹配追问：场景切入假设我们做一个企业知识库问答系统，用户问‘A部门去年为什么亏损，和B部门的合作有没有关系？’，传统RAG可能把几篇文档拼一起但说不清因果。你遇到这种复杂查询会怎么设计？层层追问 RAG你做过吧？……那如果查询涉及多个实体之间的关联推理呢？……比如问‘张三和李四共同投资了哪些公司，这些公司最近有没有法律纠纷？’……传统向量检索能搞定吗？……那你觉得怎么改进？直球架构对比传统RAG，GraphRAG多了图结构。请你从图构建、实体关系抽取、检索机制到答案生成，完整讲…

#字节#知识图谱#GraphRAG 实现

面试题·知识图谱· 百度

GraphRAG vs 传统 RAG 优势在哪?

匹配追问：场景切入假设你在做企业知识库问答，用户问‘A部门去年财报怎么样’，传统RAG可能直接找相关段落拼答案。但如果你用GraphRAG，怎么处理‘A部门’可能和多个项目、预算、人员有关系的场景？优势在哪？层层追问你用过RAG吧，检索出来片段拼接有时会矛盾或者跳来跳去……那如果我把知识组织成图，比如实体和关系……你觉得这样能解决什么问题？……进一步，对于那种需要多步推理的问题，比如‘B药品和C疾病有什么关联’，图结构怎么帮忙？直球架构从知识结构化、语义关联、上下文连贯和复杂…

#百度#知识图谱#GraphRAG 优势

面试题·知识图谱· 美团

GraphRAG 架构原理与优势

匹配追问：场景切入假设你做企业知识库问答，用户问“张三和李四都是哪个部门的”，传统RAG可能只返回各自文档片段，但GraphRAG能直接给出关联。你了解它的设计思路吗？层层追问 RAG里检索和生成怎么结合的？……如果用户问“A和B的关系”这种多跳问题，传统方法容易漏信息，你怎么改进？……有没有考虑过用图来组织知识？具体怎么做？直球架构请讲一下GraphRAG的核心思想和架构设计，相比传统RAG在信息组织和检索效率上有什么优势，以及实际部署时主要挑战和解决思路。

#美团#知识图谱#GraphRAG 架构

面试题·知识图谱· 淘天

GraphRAG 知识图谱构建有哪些挑战?

匹配追问：场景切入假设你在做一个电商客服知识库，需要从商品详情、活动规则、用户评价里提取信息做成图谱。不同文档里同一个商品可能叫法不一样，比如“iPhone 15 Pro Max”和“苹果15 Pro Max”，你怎么把它们对齐到同一个节点？层层追问 GraphRAG 里知识图谱的质量很关键，你觉得构建和维护它有哪些难点？……比如来自不同数据源的实体怎么统一？……那关系抽取出来的噪声怎么处理？……还有图谱内容老变，怎么保持时效性又不至于成本太高？直球架构聊聊 GraphRAG …

#淘天#知识图谱#GraphRAG 挑战

面试题·知识图谱· 百度

GraphRAG 高质量召回的三项核心依赖

匹配追问：场景切入假设你在做电商客服的知识库，用户问“那款红色连衣裙的退货率怎么样”，你怎么从知识图谱里召回相关实体和关系？如果用户把“连衣裙”说成“裙子”，你的图还能准确找到吗？层层追问 GraphRAG做结构化召回，你觉得关键依赖哪些环节？……那图怎么建才能保证准确？……如果查询里涉及多跳关系，怎么匹配到子图？……召回结果怎么排序才能既全面又相关？直球架构请说出GraphRAG实现精准结构化召回的核心技术要素。比如图结构构建、实体关系抽取、查询图匹配这些环节，分别要解决什么…

#百度#知识图谱#GraphRAG 精准召回

面试题·知识图谱· 淘天

RAG 系统痛点怎么破?

匹配追问：场景切入假设你在做一个电商客服助手，用户问“这款手机拍照怎么样”，系统从知识库召回了几段文档。但你可能发现，召回的有些内容其实不相关，或者有用信息被淹没在一堆废话里，导致回答效果很差。你遇到过类似情况吗？主要问题出在哪？层层追问你了解的RAG系统，在实际落地时容易遇到哪些问题？……比如检索出来的文档质量不好，或者信息太散，模型抓不住重点……你觉得这些问题的根源是什么？怎么改进？直球架构传统RAG系统有三大痛点：检索噪声、上下文稀释、语义鸿沟。请你分别解释一下它们的具…

#淘天#知识图谱#RAG 痛点

面试题·知识图谱· 百度

不用图数据库能做 GraphRAG 吗?

匹配追问：场景切入假设你做企业知识库助手，用户问“张三在哪个部门？这个部门的负责人是谁？他最近参与过什么项目？”，这种多跳查询你用传统数据库怎么实现？如果不用图数据库，你觉得这还算GraphRAG吗？层层追问你理解的GraphRAG核心是什么？……如果我用MySQL加上递归CTE来模拟图遍历，算不算真正的GraphRAG？……那从功能和性能上，和专业的图数据库比有什么差距？直球架构不用Neo4j或JanusGraph，只用关系型数据库或内存数据结构（比如NetworkX）来支…

#百度#知识图谱#GraphRAG 实现

面试题·知识图谱· 百度

GraphRAG 必须用图数据库吗?

匹配追问：场景切入假设你在做一个电商客服知识库，用户问‘上个月买的手机充电慢’，系统要关联订单、型号、退货政策等多跳关系。如果不用图数据库，只用向量库，你觉得能实现这种‘找朋友的朋友’式的推理吗？层层追问你理解的GraphRAG和普通RAG区别在哪？……如果要支持多跳关系查询，比如查‘张三认识的人里谁在卖AI课程’，向量库能直接做吗？……那是不是一定要上Neo4j才算真正的GraphRAG？直球架构有观点认为不用图数据库就做不了真正GraphRAG，你赞同吗？请从关系推理、结…

#百度#知识图谱#GraphRAG 图数据库

面试题·知识图谱· 字节

GraphRAG 怎么提升检索质量?

匹配追问：场景切入假设你做一个内部知识库问答系统，用户问‘A部门和B部门去年有哪些合作项目’，传统的向量检索可能把相关文档切得七零八落。你怎么设计才能把跨文档的实体关系串起来，给出一个完整的回答？层层追问 RAG的基本流程你肯定熟悉，就是把文档切块、向量检索、拼给大模型……但遇到需要多跳推理的问题，比如‘某产品的供应商和哪些客户有纠纷’，传统方法为什么效果差？……如果让你用图结构来改进，你会怎么做？直球架构请直接解释GraphRAG的核心原理：相比传统RAG，它怎么构建图？检索…

#字节#知识图谱#GraphRAG

面试题·多模态· 淘天

多模态 RAG 架构设计

匹配口述回答：…，不然容易过拟合。快速落地，比如电商搜索，可以用伪多模态加CLIP再加Rerank，先跑通再优化。成本敏感的场景，比如中小公司内部知识库，视觉caption加文本RAG就够了，别一上来就搞复杂的。这里有个坑，很多人以为多模态RAG能解决所有图文问题，其实前提是图文之间有强相关性。比如一张产品图和它的参数表，这是强相关；但一张风景图和一段无关的描述，强行做多模态检索反而引入噪声。上线前我会特别关注召回率，尤其是不同模态的权重怎么调，用 [[Hybrid Search]] 把…

#淘天#多模态#多模态 RAG 架构设计

面试题·多模态· 小鹏

RAG 中表格图片怎么处理?

匹配追问：场景切入假设你在做一个企业知识库问答系统，用户上传的文档里既有表格又有产品图片。你打算怎么提取和索引这些多模态内容，让大模型能准确回答比如‘上季度销量最高的产品型号和图片是什么？’这种问题？层层追问 RAG系统里文档一般怎么切分和检索？……那如果文档里有表格和图片，直接按文本切会丢信息吧？……具体你会怎么处理表格的结构和图片的视觉内容，让检索和生成都能用上？直球架构在RAG系统中处理包含表格和图片的非结构化文档，你会采用什么样的技术方案？从文档解析、向量化到检索和生成…

#小鹏#多模态#RAG 表格处理

面试题·多模态· 哔哩哔哩

RAG意图识别原理与检索协同

匹配追问：场景切入比如你做一个智能客服，用户上来问“怎么退款”，你肯定要先判断他到底是要查政策、填表单还是骂人，然后才决定去搜知识库还是直接引导。那这个意图识别在RAG里具体怎么实现？层层追问 RAG系统收到一个query之后，你会先做什么？……是不是得先搞明白用户想干嘛？……那这个意图识别模块在RAG里本质是干啥的，跟检索和生成怎么配合？直球架构 RAG系统中的意图识别模块，请讲一下它的作用、常用方法（比如分类模型还是提示工程），以及它怎么和检索组件协同工作？

#b站#意图识别与检索路由#RAG 意图识别

面试题·Prompt· 字节

RAG Generator 怎么构造 Prompt?

匹配追问：场景切入假设你在做智能客服，用户问了一个售后问题，你从知识库检索到几段相关文档，现在你要拼一个prompt送给大模型。你会怎么安排这些文档的顺序和格式？有什么坑需要注意吗？层层追问 RAG系统的生成模块，构造prompt时一般要考虑哪些因素？……如果检索回来5个段落，你全塞进去吗？……那怎么避免模型只看到中间的内容？直球架构请详细说说在RAG系统中，生成模块如何构造prompt来整合检索上下文？关键要素有哪些，比如上下文排序、去重、指令设计，它们分别怎么影响生成质量？

#字节#Prompt工程#RAG Generator Prompt