匹配正文：…及适用场景提及RAG的典型优化方向（查询改写、上下文压缩、多路召回）能指出实现中的常见陷阱（如切分粒度、语义漂移） RAG核心架构：两阶段流水线索引阶段（离线）文档处理：按语义/固定长度切分chunk，控制256-512 tokens，保留上下文重叠向量化：用Embedding模型（如BGE、M3E、OpenAI text-embedding-3）编码为稠密向量存储：写入向量数据库（Milvus、Faiss、Elasticsearch），可搭配稀疏索引（BM25）…

#字节#RAG系统实现#RAG 实现

面试题·评估· 字节

专业领域 RAG 链路怎么搭?

匹配口述回答：…无来源输出。同时用约束解码，禁止生成索引里没有的信息，比如设一个医学安全词表，拦截不存在的药品名。另外，检索结果有时很长，我会用 LLM 自己做上下文压缩，去冗余，只保留关键证据链。评估不能只看常规指标。检索质量我关注 Recall@K，生成质量我关注事实准确性，用 NLI 模型检测有没有 [[Hallucination]]。但更重要的业务指标是可追溯性，看生成内容是不是每句话都能追到源文档，还有专家满意度，请领域专家盲评。我的取舍是：宁可回答不了，也不瞎回答。如果检索结…

#字节#RAG 全链路#RAG 技术链路

面试题·多模态· 淘天

截图组件功能怎么用 RAG 解释?

匹配口述回答：…直接让模型说“不确定”，避免胡编。所以整体上，我更倾向于把[[RAG]]当成一个可解释、可更新的外挂，而不是把所有理解能力都压在大模型本身。纯多模态模型虽然也能看图，但解释的来源是黑盒，出了问题没法排查；RAG至少能溯源到具体文档，内部术语和业务逻辑也能通过知识库灵活注入，不用每次改个文案就重新微调模型。当然，如果界面非常复杂、组件间交互很多，RAG也扛不住，那就得结合[[Agent]]或者多步推理了。一句话定位：本质是让大模型看懂界面并解释功能视觉理解与组件解析：用检…

← 上一页第 12 / 12 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

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

#淘天#多模态#多模态 RAG

面试题·Prompt· 小红书

提示工程有哪些核心方法?

匹配追问：…如果任务很复杂，比如让模型写一份市场分析报告，你会用什么技巧来提升推理质量？……这些技巧有副作用吗，比如成本或者稳定性问题？直球架构请系统性地介绍一下提示工程的主要方法，包括基础技巧、推理增强、Agent模式等，每个方法的应用场景和优缺点，以及在实际项目中你怎么根据任务复杂度选型。

#小红书#提示工程方法#Prompt 技术

面试题·项目与经历· 京东

成就感经历 STAR 回答

匹配追问：…，你是如何解决的如果重来一次，你会在哪些方面做得不同这个经历如何影响了你后续的技术决策或职业选择场景切入假设你带团队做一个大模型客服Agent，业务方只给三周，数据还特别脏，你会怎么应对？层层追问聊聊你做过最有成就感的一个项目吧……比如从背景到行动再到结果，哪个环节让你印象最深刻？直球架构请分享一个你最有成就感的经历，包括背景、角色、行动和结果，重点说你的技术决策和业务影响。

#行为面试#STAR法则#自我认知