匹配口述回答：…完整思维过程并不是可靠性的保证。生产系统更需要可核验的引用、工具结果、结构化状态和 Trace。Prompt 也不能弥补模型能力、知识库质量或权限设计的根本缺陷。若一个改动只提升格式正确率，却降低事实性或增加拒答，也不能简单判断为更优。版本管理需要同时记录 Prompt 模板、模型、温度、工具 Schema、知识库和评测集。回滚时必须恢复一套相互兼容的组合，不能只回滚提示词。发布前可以用影子流量或离线回放比较新旧版本，并人工抽查高风险类别，确认改动没有破坏原有能力。如果面…

#科大讯飞#阿里#Prompt工程

面试题·Prompt· 字节

RAG 生成阶段 Prompt 怎么构建?

匹配口述回答：…要不要调用检索，而不是每次都硬塞上下文。比如[[Self-RAG]]的思路，模型先生成一个初步答案，再判断是否需要检索补充。这个在知识库更新频繁的场景特别有用，但实现复杂度也高。所以整体上，我更倾向于根据不同场景组合使用模板：客服退款这种高频简单问题，经典QA式加引用标记就够了；政策解读这种依赖多段资料的，就加动态Few-shot和重排序。核心前提是检索质量要过硬，否则Prompt设计得再好也白搭。一句话定位：本质是让模型知道‘回答什么’和‘参考什么’ 经典模板：QA式、…

#字节#Prompt工程#RAG Prompt 构建

面试题·Prompt· 百度

RAG 改写与 Prompt 链路

场景切入假设你在做一个智能客服系统，用户问‘我的订单为什么还没到’，你从知识库检索到一堆物流文档。你怎么把用户这个原始问题改一改，让检索更准？检索完之后，又怎么把这些文档拼成一个回答，让用户觉得靠谱？层层追问 RAG里用户问的问题有时候很模糊，比如‘那个功能怎么用’，你会怎么处理这个query？……如果改成几个子问题去检索，效果会更好吗？……那检索到文档之后，你怎么组织提示词，才能让模型既引用原文又不照搬？直球架构请系统讲讲RAG中query改写的策略，有哪些主流方法…

← 上一页第 12 / 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

匹配追问：

#百度#小鹏#美团

面试题·Prompt· 商汤科技

RAG Prompt 模板设计陷阱

匹配追问：场景切入假设我们在做电商客服助手，用户问“这个手机怎么样”，我们从知识库检索了5段相关评测。你怎么设计prompt，让模型能把这些片段整合成一段准确、不胡说八道的回答？层层追问你平时做RAG怎么设计prompt的？……系统指令、检索上下文、用户问题这三块你放一起还是分开？如果检索到的片段有重复或者矛盾，你怎么让模型处理？直球架构设计一个RAG系统的prompt模板，要求整合top-k检索片段并生成带引用的回答。请说明模板的组成部分、防止幻觉的机制，以及如何处理片段冗…

#商汤科技#Prompt工程#Prompt 模板设计

面试题·Prompt· 字节

Agent 系统架构与 Prompt 设计原则

匹配口述回答：…历史，但我会用[[滑动窗口]]控制长度。长期记忆我用[[RAG]]，把历史案例和知识文档[[向量化]]，需要时检索。这里有个前提：知识库要定期更新，并且做质量校验，不然检索到过期信息反而害了Agent。容错方面，我特别关注两点。一是自我反思，每次执行后追加一步检查结果，如果发现错误就回退重来。二是中断恢复，保存执行状态快照，万一超时或崩溃，可以从断点继续，不用从头开始。其实还有一个更难的问题我还在想，就是当多个Agent协作时，怎么协调它们之间的依赖和冲突，比如一个Age…

#字节#Agent#Agent 系统设计

面试题·Prompt· 美团

ReAct 框架怎么工作？

匹配口述回答：…状态，比如用户问『XX公司的创始人毕业于哪所大学』，模型先想：我需要先查创始人是谁。然后Action就是执行搜索，调用搜索引擎或者知识库API。Observation拿到返回结果，比如创始人是张三。接着下一轮Thought：现在知道了张三，那我再查他的毕业院校。再Action，再Observation，直到能把答案拼出来。这个循环看起来简单，但实际落地时，真正的难点不是让模型会调工具，而是让模型在Observation失败或者结果不符合预期时，能调整策略重新推理。举个例子，…

#美团#Agent#ReAct 框架

面试题·Prompt

封闭标签分类如何约束解码?

匹配口述回答：…时，如何热更新约束，不重新部署模型。面试官可能会追问动态类别场景下的具体实现方案，比如结合Function Calling或外部知识库的思路。

#Logit Bias#约束解码#封闭集合标签分类

面试题·RAG· 百度

RAG 索引构建管线

匹配追问：场景切入假设你在做一个企业知识库问答系统，用户问“去年的财报数据”，结果搜出来一堆无关片段。你觉得索引环节可能哪里出了问题？比如文档怎么分块、向量怎么存，才能既快又准？层层追问 RAG里检索这一步，你觉得哪些因素会影响效果？……比如文档切分不对会怎样？……那embedding模型呢？……还有索引结构，像FAISS，有没有什么技巧能让召回更精准？直球架构聊一下RAG索引环节的优化策略，从分块、embedding、索引结构到增量更新，你一般怎么设计才能平衡检索效率和准确性…

#百度#RAG索引优化#RAG 索引构建管线

面试题·RAG· 字节

医疗 RAG 索引如何保合规?

匹配口述回答：…E先生成假设文档再检索，能提升召回质量。不过话说回来，即使流程再完善，专业领域RAG还是会遇到检索失败的情况，比如用户问的问题在知识库里根本没有对应内容。这时候如果硬答，就会产生幻觉。所以我会特别关注检索失败时的兜底策略，比如设置置信度阈值，低于阈值就直接告诉用户“找不到相关信息”，而不是强行生成。这其实涉及到[[Faithfulness]]和[[Self-RAG]]的思路，让模型自己判断是否该回答。所以整体上，我更倾向于把专业领域RAG看作一个工程系统，而不是一个模型问…

#字节#医疗RAG合规#RAG 数据处理流程

面试题·RAG· 字节

RAG 怎么提升事实准确性?

匹配追问：场景切入假设你做一个企业知识库问答机器人，员工问“今年Q3的销售策略是什么？”，但大模型没训练过这些内部文档，你怎么让模型能基于最新资料给出准确答案？层层追问大模型直接回答问题，事实错误或者知识过时了怎么办？……那如果我先去数据库里搜一下相关文档，再让模型基于搜到的内容回答，你觉得这个思路怎么样？……具体怎么做，分哪几步？直球架构解释一下检索增强生成RAG的基本概念和工作原理，它是怎么提升大模型的事实准确性和知识覆盖的？从索引、检索到生成，每个环节的核心要点是什么？

#字节#RAG工作原理#RAG 工作原理

面试题·RAG· OPPO

查询文档相关性怎么算?

匹配口述回答：…性等问题。比如 BM25 和向量分数怎么合并？我倾向用加权求和或级联，先向量粗筛再用 BM25 精调。另一个风险是索引更新延迟：知识库文档有新增或修改，向量索引不能实时更新，如果用户刚上传了新政策，但索引还是旧的，召回就会漏。我会用双索引机制，base 索引定期重建，delta 索引增量插入，查询时合并，再用版本号做一致性校验。还有一个延伸点值得注意：现在有些方案尝试用 [[ColBERT]] 这种延迟交互模型，在召回阶段做 token 级相似度，效果接近 Cross-E…

#OPPO#查询文档相关性#语义匹配

面试题·RAG· 美团

外挂数据库怎么提升大模型准确性?

匹配口述回答：…本质就是问动态[[RAG]]的落地。你不能指望模型自己学，因为[[SFT]]跟不上分钟级的变化，真正能打的方案是外挂一个实时更新的知识库，让模型每次回答都去查最新的数据。先说边界。很多人一上来就想着微调，但微调适合的是知识体系稳定的场景，比如内部合规文档三个月不变一次。而像外卖配送这种业务，商户状态、运力、价格分分钟在变，用微调等于刻舟求剑。这时候RAG才是正解。但是静态RAG也不行，固定切分、全量重建索引跟不上节奏。所以真正落地往往是动态RAG加[[混合检索]]，关键词和…

#美团#外挂数据库增强#外挂数据库

面试题·RAG· 淘天

现代 RAG 架构怎么变?

匹配口述回答：…用。我上线时特别关注的是检索的召回率和精确率的平衡，一旦检索结果里混进太多噪声，生成器会跟着跑偏。所以我的判断是，传统RAG适合知识库稳定、查询简单的场景，比如企业内部SOP问答；现代RAG更适合那些需要动态推理、信息源多的场景，比如客服、金融分析。真正落地时，我倾向把两者结合起来，比如用[[混合检索]]，关键词召回保底，向量召回提高精度，再用一个[[重排]]模型把结果精排一下。不过说到联合训练，我其实更关心一个细节：检索器更新的频率。如果知识库每天都在变，检索器的编码器…

#淘天#RAG端到端训练#现代 RAG 架构

面试题·RAG

RAG 检索准但回答差怎么调?

匹配口述回答：…架构复杂度高，前提是前两步已经优化到位，不然直接上架构容易出bug还难排查。说到这，其实有个容易被忽略的点：文档本身的质量。如果知识库里的文档本身就过时、矛盾、或者粒度不对，你再怎么调检索和提示都没用。所以我会把RAG看成从数据到提示到模型的完整链路，而数据质量是地基。最后落地时，我有个快速验证路径：先人工检查拼接后的prompt，看看上下文是不是清晰、信息有没有冲突。这一步能暴露80%的问题。然后再逐步调重排、提示、模型参数，别一上来就调temperature或换模型，…

#上下文组织#生成质量调优#RAG 生成质量差

面试题·检索· 字节

医疗法律 RAG 架构关键环节

匹配口述回答：…bMedBERT，法律用Legal-BERT；二是[[BM25]]加领域同义词扩展，像医疗里UMLS同义词库，避免用户说“头疼”但知识库写“头痛”就搜不到；三是[[知识图谱]]检索，用Neo4j存实体关系，比如“疾病-症状-药品”三元组。这三路结果合并后用[[交叉编码器]]精排。这里有个坑：向量检索对时效性不敏感，但专业领域很多知识会过时，比如法律条文修订、药品说明书更新。所以我会在精排时引入时效性衰减因子，发布日期越早，分数打折扣越多。生成器优化方面，基座模型我会选领域微…

#字节#领域RAG架构#专业领域 RAG

面试题·检索· 字节

RAG Retriever 工作流程详解

匹配口述回答：这道题问的是[[RAG]]系统里检索模块的完整流程，本质上是在考察「如何把用户的一个自然语言查询，精准、高效地映射到知识库里最相关的文档片段上」。整个链路我拆成四段来说：查询预处理、[[向量化]]、检索、排序。先说查询预处理。用户输入往往很随意，比如在电商客服场景，用户问「这个多少钱」，你得结合上下文补全商品名。这里有个常用手段叫 HyDE，就是让大模型先生成一个假设的答案文档，再拿这个文档去向量化检索，能大幅缓解查询和文档之间的语义鸿沟。另外我还会做查询扩展，比如同义词替…

#字节#重排与优化#RAG Retriever 工作流程

面试题·检索· 字节

RAG 什么时候需要重排？

匹配追问：场景切入我看你做过电商客服的知识库，用户问“苹果12价格”，第一阶段向量检索召回一堆包含“苹果”的文档，有手机也有水果。你怎么让系统只挑出手机那篇？重排在这儿起了什么作用？层层追问 RAG里你一般怎么保证召回的文档和问题贴切？……如果双塔模型召回了50篇，但混进很多看似相关实际无关的，你怎么办？……具体说说重排模型怎么工作的，它跟第一阶段检索比，精度和延迟怎么权衡？直球架构 RAG系统为什么需要重排模型？请从双塔和交叉编码器的架构差异出发，讲清楚重排如何在召回阶段基础上…

#RAG#重排#Cross-Encoder

面试题·检索· 阿里

RAG流程：检索到生成各阶段陷阱

匹配追问：场景切入假设你们在给电商客服做一个知识库问答系统，用户问“这款手机支持快充吗”，系统先要检索产品文档再生成回答。你从头到尾讲讲这个过程会经过哪些阶段，每个阶段要注意什么？层层追问 RAG系统里，用户输入查询后，第一步你会做什么？……那检索完拿到的文档直接扔给LLM生成吗？……如果检索结果太多、质量参差不齐怎么办？……好，最后生成时怎么保证答案不瞎编？直球架构请你系统阐述RAG的工作流程，从查询理解、检索、重排序、上下文构建到生成，每个环节的技术要点和对最终结果的影响，…

#阿里云#重排与优化#向量检索

面试题·检索· 哔哩哔哩

精排精度高，为何不跳过召回粗排？

匹配口述回答：…那样预计算复用。若对全库 N 个候选逐一精排，就要做 O(N) 次前向计算和对应的数据读取，大规模在线服务通常承受不了。比如企业知识库有大量文档时，我会先用 BM25、稠密 ANN 或规则召回取得高召回候选；需要时再用双塔分数、轻量特征或业务模型做粗排；最后用 Cross-Encoder 对小候选集精细排序。粗排是可选层，召回和精排也可以在小语料或轻模型场景合并，不存在必须三层的固定架构。候选规模没有统一的千万、几万、几百或 Top-50 标准，召回索引的复杂度也不统一是…

#哔哩哔哩#两阶段排序#召回粗排精排

面试题·检索· 美团

RAG 流程各阶段怎么拆?

匹配追问：场景切入假设你做一个电商智能客服,用户问“这个订单发货了吗”,系统怎么从知识库里找到对应订单信息,再结合上下文给出带来源的回复?你把从提问到生成答案的完整链路讲一遍。层层追问 RAG系统里用户问题来了以后,第一步你会做什么处理?……然后怎么从库里召回相关文档?……召回了top100,怎么筛出最相关的5篇?……最后怎么把这些文档和问题拼在一起让模型回答? 直球架构设计一个RAG系统,要求从前端用户提问到后端生成答案,涵盖查询改写、混合检索、重排序、上下文注入和生成,你详细…

#美团#评估与监控#RAG 工作流程

面试题·检索· 美团

RAG 完整工作流程怎么跑?

匹配追问：场景切入假设你在做电商客服机器人，用户问“上次那件红色羽绒服还有货吗？”，你需要从知识库检索商品信息。从用户提问到最终给出答案，你是怎么把检索、排序、生成串起来的？能详细说说每个步骤吗？层层追问 RAG系统的完整流程你熟悉吧？从用户提问开始……第一步你通常做什么？……检索完拿回一堆文档，你会直接丢给模型吗？……中间加一个重排序步骤有必要吗？……最后怎么把上下文塞进prompt里？直球架构请详细描述RAG系统的完整工作流程：从用户提问开始，涵盖查询改写、多路检索、重排序…

#美团#RAG全链路#RAG 工作流程

面试题·检索· 字节

RAG 检索优化:重排序怎么用?

匹配追问：…’，向量检索可能匹配不到，你怎么让系统还能把这个结果捞出来？除了调相似度阈值，还有别的招吗？层层追问 RAG系统里，你一般怎么从知识库捞相关文档的？……那如果用户问得特别模糊怎么办？……再进一步，假设第一次召回的结果里混了很多不相关的，你后续怎么处理才能提升最终答案的质量？直球架构除了向量检索，RAG还有哪些手段能提升召回结果的准确率？从查询优化到检索后精排，你系统地说一下有哪些方法，各自解决什么问题，线上怎么权衡延迟？

#字节#混合检索#RAG 检索优化

面试题·检索· 字节

RAG 中 Re-ranking 怎么用?

匹配追问：场景切入假设你在做一个企业知识库问答系统，用户问“报销流程怎么走”，向量召回了一堆相关文档。但结果里既有正式流程，也有员工吐槽，你怎么把最准确的那个排到最前面？层层追问 RAG系统里向量召回完就直接丢给大模型了？……如果召回的top-10里混进几个不相关的怎么办……那有没有办法在中间加一道精排，用更精细的模型把相关文档挑出来？直球架构 RAG系统里引入重排模型是标配吗？它在两阶段检索中的具体作用是什么？你了解哪些常用的重排模型，比如Cross-Encoder或者ColB…

#字节#重排与优化#RAG Re-ranking

面试题·检索· 字节

RAG 系统怎么持续迭代?

匹配口述回答：…对性优化。这里有个延伸点：很多人会问要不要把 RAG 和纯微调结合起来。我的看法是，RAG 适合知识频繁更新的场景，微调适合固定知识库但需要深层语义理解的场景。如果两者一起上，要特别注意冲突，微调可能让模型过度依赖参数知识，忽略检索回来的信息。所以我会用 [[Self-RAG]] 让模型自己学会什么时候该依赖检索，什么时候该用自己的知识。最后总结一下我的取舍。我会优先把检索质量和领域 SFT 做到 80 分，因为这两个 ROI 最高。评估体系必须先行，否则优化方向模糊。工…

#字节#RAG评估闭环#RAG 系统优化