匹配口述回答：… 输出侧我会要求答案和引用建立可校验的对应关系。JSON 可解析只解决语法，字段范围、资源归属和引用是否真的支撑结论仍由程序验证。评测时固定检索结果，单独比较上下文顺序、长度、冲突处理和 Prompt 版本，观察答案正确性、引用支持率、faithfulness、覆盖率、拒答、token 和延迟。再换一组固定 Prompt 比较不同检索结果，才能区分是检索问题还是生成问题。一个常见追问是“检索到了为什么仍答错”，我会沿证据冲突、上下文位置、指令覆盖和模型忽略证据这几条路径逐项排…

← 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

#Prompt工程

#RAG Generator Prompt

面试题·Prompt· 字节

RAG 生成阶段 Prompt 怎么构建?

匹配追问：场景切入假设你在做一个电商客服RAG，用户问‘这个手机续航怎么样’，系统从文档库捞了产品参数和几条评测。你打算怎么把这些内容拼成一个Prompt，让模型既能用上资料，又别自己瞎编？层层追问 RAG里检索回来的文档怎么喂给模型比较好？……你直接拼一段文字丢进去？……那如果资料太长、或者相互矛盾，Prompt里怎么处理才能让模型正确理解？直球架构现在让你设计一个RAG生成阶段的Prompt模板，要求模型严格基于上下文回答，并且能输出引用来源。你给出具体的模板结构，再讲讲有…

#字节#Prompt工程#RAG Prompt 构建

面试题·Prompt· 百度

Prompt 工程最佳实践有哪些?

匹配口述回答：…ew-shot、结构化输出或工具调用，也会说明为什么它比单纯加长指令更合适。每轮只动一个主要变量，固定模型、数据和解码参数，用【评测口径】比较正常、边界、无答案、格式和对抗切片。做过但没保留的【失败尝试】也会讲清楚，因为它能说明选型依据，而不是事后包装。动态示例要排查测试泄漏和跨租户风险，结构化输出除了可解析，还要做字段、权限和业务关系校验。最终效果填【真实结果】，没有线上 A/B 就只说离线结论。上线后用 Prompt 哈希追踪版本，模型升级时回归新旧组合，关键切片退化…

#百度#Prompt工程#Prompt 工程实践

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·RAG· 字节

RAG 查不到文档怎么降级?

匹配口述回答：…型兜底时，如果模型对某些词有偏见，可能会生成不当内容。所以我会在 [[System Prompt]] 里加安全约束，同时做一轮离线评测，确保降级后的回答不会比不回答更差。还有一个点我没细说，就是有些场景下可以引入网络搜索做补充，比如时效性强的新闻类查询。但网络搜索的结果质量不可控，延迟也高，我一般只把它当成最后一道防线，而且会加一个独立的审核模型过滤一遍。所以整体上，我更倾向把降级策略当成一个渐进式漏斗：先低成本试，不行再升级，同时保持对用户的透明。如果面试官感兴趣，我…

#抖音#RAG降级策略#RAG fallback

面试题·RAG· 淘天

偏好数据如何收集与建模?

匹配口述回答：…规模决定切换，也不能把DPO当作对超参数不敏感。若用在线奖励，可比较商业指标与长期满意，但GMV可能与用户利益冲突，需要独立约束与评测；标准DPO仍是偏好对训练接口。另外，偏好是会变的，更新频率要由漂移、数据质量、成本与回归结果决定，不能预设固定日程总是合理。这里有个有意思的点：偏好冲突怎么处理？比如用户说“我要便宜的”，但历史行为显示他总买高端货。可用多目标选择处理质量与商业约束；约束解码限制输出形式，但不会自动求得Pareto最优。另外探索-利用也得小心，纯迎合用户容易…

#淘天#用户偏好建模#偏好感知对话系统

面试题·检索· 小红书

RAG 检索偏差怎么系统性解决?

匹配追问：场景切入假设你在做一个电商客服RAG，用户问‘这个手机能玩原神吗’，结果检索回来一堆手机参数和充电评测，生成回答偏了。你觉得问题出在哪儿？从检索到生成，你会怎么系统性地修？层层追问 RAG里检索回来的文档不相关，生成结果就容易跑偏。你觉得可能有哪些原因？……那从检索侧怎么优化？……重排序呢？……生成端还有什么办法兜底？直球架构 RAG系统里检索模块返回了无关文档导致生成偏差，请你分析可能原因，并给出从检索优化、重排序到生成控制的系统性解决方案。

#小红书#美团#重排与优化

面试题·检索· 字节

RAG 为什么需要 Rerank?

匹配口述回答：…的语义，像主题匹配、领域对齐这种，但它做不了精细的交互。比如用户搜“苹果笔记本”，你召回“苹果公司财报”和“MacBook Pro评测”，向量上可能都很近，但用户要的是产品本身。再一个，向量维度有限，信息压缩过程中会损失很多细节，比如实体精确匹配、否定词这种，[[Faiss]]或者[[HNSW]]索引再快，也解决不了语义颗粒度的问题。所以两阶段架构就来了。第一阶段用向量检索或者[[BM25]]做召回，目标是高召回、快，允许精度低一点，比如从百万级文档里先捞出Top 100。…

#字节#Rerank模型#RAG Rerank

面试题·检索· 网易

BM25+向量+Cross-Encoder 怎么组合?

匹配口述回答：…向量召回贡献、融合增益、重排增益、Recall/nDCG、端到端答案质量、延迟与成本。这是常见骨架，是否采用仍要由目标数据和端到端评测决定。本质是混合检索的分层设计 BM25和向量召回的互补边界 RRF融合的工程优势 Cross-Encoder精排的瓶颈与优化落地风险与最终取舍约2分钟 Cross-Encoder的训练数据构造，特别是负样本采样策略，会影响模型对难分样本的判断力。面试官可能会追问负样本的具体采样方法，比如随机负采样与难负采样的差异，或者如何利用线上点击…

#网易有道#BM25向量Cross-Encoder#BM25 向量召回 Cross-Encoder

面试题·检索· 高德

RAG 系统实现流程怎么搭?

匹配口述回答：…块里，用户问“退款时效”时可能只召回一半。我更倾向做语义分块，按段落边界或标题层级切，再把零重叠、短窗口与较长窗口作为候选，用同一评测集验证边界信息、召回与成本。元数据一定要保留，比如文档来源、时间戳，后面过滤和溯源都用得上。然后是[[向量化]]。Embedding 模型选型要看领域，比如电商客服场景，用 BGE 或 M3E 就比通用英文模型好。[[向量数据库]]的话，我会关注索引算法，[[HNSW]] 在中等规模下表现稳定，但数据到千万级就得考虑 [[IVF]] 分区了。…

#高德#RAG结果融合#RAG 实现流程

面试题·检索· 字节

Embedding 怎么实现语义召回?

匹配口述回答：…：分块策略对召回影响很大。比如固定切分可能把一句话拆到两块里，导致检索时上下文丢失。我会把零重叠、短窗口与较长窗口作为候选，用同一评测集比较边界证据完整率、召回、存储与去重成本。重叠会增加索引与去重成本，具体增幅取决于窗口和步长，不一律翻倍。这个其实牵涉到文档结构和模型上下文长度，挺有意思的，可以展开聊聊。最后说我的判断：[[RAG]]不是银弹，它可为知识密集任务提供外部证据，也能结合IRCoT等迭代检索服务多步推理；是否有效需分解检索与推理失败。如果知识库频繁更新，或者查…

#字节#向量语义召回#Embedding 语义召回

面试题·检索· 美团

BM25公式参数含义与TF-IDF对比

匹配口述回答：…绝对化对比 RAG中与稠密召回互补并按查询集调参约90秒 BM25的公式实现和参数都依赖语料与检索引擎，默认值不能替代目标查询集评测。可继续讨论IDF变体、字段BM25和混合检索融合。

#美团#BM25#BM25 算法原理

面试题·检索· 字节

Embedding升级后向量对齐方案

匹配口述回答：…新速率、算力和可用性预算决定。新旧模型默认视为不同向量空间索引版本隔离并影子重建双读或灰度验证后原子切换兼容映射只作为经过评测的迁移选项约90秒不同Embedding版本默认隔离，影子重建、双读验证和可回滚切换构成安全迁移主线。可继续讨论双写一致性、跨版本分数校准和向后兼容训练。

#抖音#向量检索#Embedding 升级

面试题·检索· 字节

向量检索加速：有哪些陷阱

匹配口述回答：…NSW列为候选，但不只按百万级决定；要结合维度、内存、过滤与更新，把M、构建efConstruction和查询efSearch分开评测。但到了亿级，HNSW 的内存开销就太大了，这时候我会切到 [[IVF-PQ]] 或者 HNSW 加 [[Product Quantization]]，PQ把向量分成子向量并用码字表示，代码长度取决于子向量数与每码位宽；8倍不是固定压缩比，总内存还含ID、码本与图。质量变化不能预设在1%以内。还有一个容易忽略的点是增量索引，知识库频繁更新时，全…

#字节#检索性能优化#向量检索性能优化

GraphRAG 如何支持复杂关系查询？

GraphRAG 何时能改善召回质量？

RAG Generator 怎么构造 Prompt?

RAG 生成阶段 Prompt 怎么构建?

Prompt 工程最佳实践有哪些?

RAG Prompt 模板设计陷阱

RAG 查不到文档怎么降级?

偏好数据如何收集与建模?

RAG 检索偏差怎么系统性解决?

RAG 为什么需要 Rerank?

BM25+向量+Cross-Encoder 怎么组合?

RAG 系统实现流程怎么搭?

Embedding 怎么实现语义召回?

BM25公式参数含义与TF-IDF对比

Embedding升级后向量对齐方案

向量检索加速：有哪些陷阱