匹配口述回答：…300到500 tokens。另外，信息密度低的内容，比如网页里的广告、无关注释，要清洗掉。还有个坑：多跳关联的文档，比如一个政策引用了另一个政策，如果没显式链接，检索会漏。我有时会用 [[知识图谱]] 来显式关联，但成本高，只有关键场景才做。最后提一句，如果知识库有强关联结构，比如法律合同引用了多个条款，我会考虑用 [[GraphRAG]] 来增强召回，但它的工程复杂度很高，不是所有场景都值得。所以总结一下，我会把召回优化看成一条链路：先保证数据质量，再选合适的检索模型…

#360#召回质量评估#RAG 召回优化

面试题·检索· 字节

召回模型怎么搭建?

匹配追问：…关键环节怎么设计？层层追问召回模型你一般怎么搭？……双塔结构里user和item特征怎么处理？……负样本你怎么选？……向量建索引用哪种方案？直球架构请描述推荐召回双塔模型的搭建流程，包括特征工程、模型选型、负采样策略和向量索引构建，每个环节的核心设计逻辑是什么？

#Tiktok#负采样与向量索引#召回模型搭建

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：…失败场景：检索出的文档互相矛盾时，LLM 可能胡编，所以上线我会特别关注 [[Faithfulness]]，比如加一层自检，让模型引用原文。接下来重点说时效性。知识库里的内容有新旧，如果只按语义相似度取，旧的高质量文章可能永远压过新的，导致回答过时。比如商家满减政策变了，模型还按旧政策回答就会出错。我的做法是时间衰减加权：最终得分 = 语义相似度 × exp(-λ × 时间差)。λ 控制衰减快慢，新闻类 λ 设大一点，让新内容快速出头；百科类 λ 设小，因为知识半衰期长。…

← 上一页第 14 / 14 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#向量库时效性#RAG 工作流程

面试题·检索· 拼多多

ANN 索引怎么构建?

匹配追问：…找出最相关的。你打算怎么建那个向量索引？给我说说整个流程和关键选择。层层追问 RAG应用的检索阶段，你一般怎么加速？……那向量索引用什么算法？……如果数据量上亿了，内存不够，你怎么平衡精度和速度？……具体说说构建索引的完整步骤？直球架构请完整描述构建近似最近邻索引的流程，包括数据准备、算法选型、参数调优、持久化和更新策略。你会怎么选HNSW、IVF、LSH？为什么？

#拼多多#ANN索引构建#ANN 索引构建

面试题·检索· 安克科技

RAG 知识库怎么存?

匹配口述回答：…半以上，召回质量也更高。另外元数据还能做版本控制，比如文档更新了，通过时间戳就能只查最新版本。索引结构上，我倾向混合方案。向量索引用[[HNSW]]，它在速度和召回率之间平衡得最好，如果内存受限可以用[[IVF]]。但纯向量检索有硬伤，比如用户查订单号‘ORD123456’，向量检索几乎找不到，因为语义上它和任何文本都不像。这时候就得配合倒排索引，用[[BM25]]做关键词匹配。生产实践中，90%的场景我都会用向量加关键词的[[混合检索]]，用RRF算法融合两个结果集。这样…

#安克科技#向量数据库选型#RAG 知识库存储