匹配口述回答：…向量检索召回的全是无关文档，LLM也救不回来。常见失败场景是Embedding模型领域适配不够，比如通用模型做医疗问答，专业术语向量化后语义偏移。上线我会特别关注候选集合的Recall@K，如果前20个里面没有正确答案，重排序再强也没用。所以落地时我会采用混合策略：先用[[BM25]]和向量检索做[[Hybrid Search]]，保证召回覆盖，再用LLM做重排序或生成。说白了，向量检索解决“找得快”，LLM解决“找得准”，两者互补。还有个延伸点：如果业务对实时性要求很高…

#字节#向量召回与重排#RAG 重排序

面试题·检索· 百度

RAG 三阶段原理与失败场景

匹配追问：…详细说说每一步怎么做？直球架构请详细描述RAG的完整工作流程，重点讲清楚检索、增强、生成三个阶段分别怎么实现，包括文档处理、向量化、检索策略、Prompt组装这些环节。

#百度

← 上一页第 13 / 13 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

#RAG三阶段

#RAG 工作流程

面试题·检索· soul

召回阶段怎么选方法?

匹配口述回答：…保证召回的多样性，因为精排只能从送进来的候选里选，如果召回本身就很窄，精排再强也没用。这里有个容易被忽略的点，就是召回多样性怎么量化？我一般会看召回集合的覆盖率和熵，如果某个来源占比太高，就要调整权重或者加一些随机采样。另外冷启动阶段，我会特别关注规则召回和向量召回的配合，比如新用户先用热门规则兜底，同时用少量行为做向量召回试探兴趣。总的来说，我更倾向把召回看作一个系统工程，不是选哪个方法最好，而是怎么组合才能平衡效率、效果和多样性。面试官如果感兴趣，我可以展开讲讲多路召…

#soul#多路召回#召回方法对比

面试题·检索· 美团

混合检索为什么用 Sparse+Dense?

匹配口述回答：…。它的特点是快，索引结构简单，适合做精确召回。比如在客服系统里，用户报一个订单号，你用BM25能秒级定位到那条记录，不会因为[[向量化]]丢信息。再讲Dense检索。它是把查询和文档都编码成低维稠密向量，比如768维，然后用余弦相似度或点积算距离。相似度度量我常用余弦相似度，因为对向量长度不敏感，更关注方向。它能捕捉语义关联，比如用户搜“怎么退款”，它能召回“取消订单流程”这种语义近似的文档。但这里有个坑：如果文档里包含冷僻词，或者用户的query有拼写错误，向量检索的效果…

#美团#Hybrid Retrieval#混合检索

面试题·检索· 字节

RAG 工作流怎么应对时效衰减?

匹配追问：… RAG的流程你肯定熟，先检索再生成。……那如果文档库里有一年前的旧闻，用户问的是最新事件，你用什么办法不让旧数据干扰？时效性怎么量化到检索里？直球架构请描述RAG的完整工作流程，并重点讲构建向量库时，如何设计机制应对信息时效性衰减导致的召回效果下降。

#字节#时间衰减检索#RAG 工作流程

面试题·检索· 字节

RAG 向量库怎么处理时间衰减?

匹配口述回答：…，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。 RAG本质是外挂知识库的查漏补缺索引阶段：分块、向量化、存元数据检索阶段：混合检索+重排生成阶段：组装上下文、防幻觉时效性：时间衰减加权+动态窗口落地风险：衰减过度、新内容质量、元数据缺失约4分钟时间戳清洗是时效优化的前提，否则衰减加权会失效。面试官可能会追问时间清洗的具体做法，比如如何从网页中提取发布时间，或者如何处理缺失时间戳的文档。

#字节#向量库时效性#RAG 工作流程

面试题·检索· 字节

RAG 向量检索怎么高效召回?

匹配口述回答：…，一般M设16-32，ef_search设200-500，具体看延迟容忍度。如果[[向量库]]上亿，我会考虑[[IVF-PQ]]做量化压缩，但召回会掉一点，得看业务能不能接受。落地最大的风险其实是数据分布漂移。比如客服系统，用户query随时间变化，新政策发布后语义空间变了，但索引还是旧的，召回质量会逐渐下降。所以我会建一个反馈闭环：用户点击结果后，把正负样本回流，定期增量训练Embedding模型。索引更新也有讲究，全量重建太慢，我会用双缓冲影子索引，新索引构建完后原子…

#字节#向量数据库召回#RAG 向量检索

面试题·检索· 百度

检索失败时 RAG 怎么兜底?

匹配口述回答：…LLM自身知识足够可靠，否则会加重Hallucination。面试官可能会追问：如何评估LLM在特定领域的知识可信度？或者有没有量化标准来决定是让模型回答还是拒绝？

#百度#小鹏#美团

两阶段 vs 端到端怎么选?

RAG 为何需要重排序?

RAG 三阶段原理与失败场景

召回阶段怎么选方法?

混合检索为什么用 Sparse+Dense?

RAG 工作流怎么应对时效衰减?

RAG 向量库怎么处理时间衰减?

RAG 向量检索怎么高效召回?

检索失败时 RAG 怎么兜底?