匹配正文：…边 3. 上下文连贯性利用社区检测（如Leiden算法）识别主题簇生成阶段按图拓扑组织上下文：先全局摘要→再局部细节避免传统RAG的"信息孤岛"和重复矛盾 4. 复杂推理能力显式推理链：可追溯"为什么选这个答案" 支持聚合类查询："总结A领域三大趋势及其相互影响" 图结构本身作为CoT提示，引导模型逐步推理典型价值场景医疗诊断：症状→疾病→药物→禁忌的多跳约束法律分析：法条→案例→判决→适用条件的链条推理企业知识：组织架构、项目关联、决策影响的网络分析关键权…

#百度#知识图谱#GraphRAG 优势

面试题·RAG· 淘天

RAG vs 传统检索生成怎么选?

匹配正文：… 三、效果优劣与核心挑战优势具体表现挑战典型场景生成准确性事实幻觉显著降低，可溯源检索噪声污染（错误文档误导生成）医疗/法律问答知识实时性知识库更新即时生效，无需重训模型检索延迟影响TTFT（首token时间）电商促销信息系统灵活性同一模型适配多领域，仅换知识库领域迁移时检索-生成对齐困难多租户SaaS 可解释性生成内容可关联溯源文档知识冲突时缺乏显式消解机制金融合规四、演进意义：从"记忆"到"查阅" RAG的核心范式跃迁在于知识存储位…

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#RAG信息融合#RAG与传统检索生成对比

面试题·RAG· 字节

RAG 二次生成怎么提升安全性?

匹配正文：…违禁品"），检索可能返回边缘知识机制：大模型基于安全对齐训练，识别检索内容的敏感属性，拒绝合成或输出安全提示抖音实例：直播话术RAG中，检索到历史违规案例后，模型生成"该表述存在违规风险，建议替换为..."而非直接复现 2. 事实一致性增强（输出侧校验）机制：利用模型推理能力交叉验证多源检索片段，识别矛盾信息实例：医疗问答RAG中，检索到A文档"药物X每日最大剂量200mg"、B文档"300mg"，模型可标注冲突并保守输出"建议遵医嘱，常见剂量范围为200-300mg…

#抖音#RAG输出安全#RAG 二次生成

面试题·检索· 百度

RAG 瓶颈在哪一步

匹配口述回答：这道题问的是[[RAG]]的完整工作流程和瓶颈优化，其实本质是在问一个系统级问题：你怎么让大模型在知识密集型任务上既快又准地给出答案，同时还能落地。我先画个框架，RAG可以拆成四个阶段：索引构建、检索召回、精排过滤、生成合成。但真正上线跑过的人都知道，最影响体验的其实是中间两个阶段，检索和精排。先说检索延迟这个瓶颈。如果你的[[向量库]]到了千万级，用[[HNSW]]索引，P99延迟很容易飙到500毫秒以上，用户等不了。我的做法是分场景：对高频query，我会加一层缓存，用…

#百度#重排与优化#RAG 系统瓶颈

面试题·检索· 字节

RAG 为什么需要 Re-ranking?

匹配正文：…势与权衡优势场景：知识库存在大量相似文档（如法律条款、产品手册） query表述模糊，需要深度理解意图对答案准确性要求极高（医疗、金融）关键权衡：候选集大小：通常取Top-K=20~100做重排，K太大延迟爆炸，太小可能漏掉优质doc 延迟优化：可用轻量交叉编码器（如MiniLM）、蒸馏模型，或GPU batch推理级联策略：多轮重排（粗排→精排→LLM pointwise打分）平衡效果与成本一句话总结重排是用计算换精度的关键设计，让RAG从"找得到"进化到"…

#字节#重排与优化#RAG Re-ranking

面试题·检索· 字节

RAG 为什么需要 Rerank?

匹配题目：在检索增强生成系统中，为什么需要在初步检索后使用重排序（Rerank）模型？其作用和优势是什么？

#字节#Rerank模型#RAG Rerank

面试题·检索· 字节

RAG检索方法如何优化？

匹配正文：…-IDF关键词匹配精准匹配强，可解释性好语义鸿沟，同义词失效专业术语、ID类查询混合检索稠密+稀疏融合兼顾语义与精准系统复杂，融合策略需调优通用生产环境首选图检索实体关系遍历多跳推理强构建成本高，延迟大知识图谱场景技术选型考量数据特征决定底座结构化/半结构化数据多 → 优先关键词+过滤条件非结构化文档多、用户问题口语化 → 稠密向量为主专业领域（医疗/法律）→ 必须混合检索，稀疏兜底延迟与精度的权衡在线场景（<100ms）：HNSW索引…

#字节#RAG检索选型#RAG 检索方法

面试题·检索· 字节

RAG 工作流怎么应对时效衰减?

匹配正文：… 反馈闭环：用户标注"信息过时"后，触发该文档的优先级降级或更新典型场景金融/新闻：强依赖实时数据，需结合API实时拉取 + RAG历史背景医疗/法律：知识更新慢，侧重权威来源的版本控制学习建议建议系统学习该知识点

#字节#时间衰减检索#RAG 工作流程

面试题·文档处理· 美团

RAG知识库构建流程详解

匹配口述回答：这道题问的是[[RAG]]知识库构建，但我觉得面试官真正想听的是：你怎么在检索质量和工程成本之间做取舍。RAG本质上是个检索增强系统，知识库的质量直接决定了最终回答的上限，所以我会把整个流程拆成几个核心环节来讲，重点说每个环节的权衡和落地坑。先说文档预处理。这一步最容易被低估，但实际踩坑最多。比如PDF解析，用PyMuPDF或者MinerU能搞定大部分，但遇到扫描件就得走[[OCR]]，而OCR的错误率直接影响后面检索的准确性。我一般会保留文档的标题层级和表格结构，因为这对…

#美团#RAG 知识库构建#文档预处理

面试题·文档处理· 安克科技

RAG向量化流程：预处理到归一化

匹配口述回答：…参数调不好，召回率再高，延迟超标也上不了线。这块其实可以深挖一下。所以整体上，我会把向量化流程看成一个根据业务场景不断迭代的工程系统，而不是一套固定的脚本。预处理、模型选择、归一化、版本管理，每一步都要和业务数据对齐，上线后持续观测，才不至于变成'离线跑分高、线上效果差'的尴尬局面。一句话定位：RAG落地的核心工程问题文本预处理：分块与元数据保留嵌入模型选择：业务场景决定模型向量生成与归一化：批量与缓存优化风险与取舍：版本管理、维度对齐约4分钟检索延迟和存储成…

#安克科技#RAG 向量化流程#Embedding 模型选择

面试题·评估· 淘天

RAG编码模型评估指标与对比

匹配口述回答：…上线前我一定用一批历史query回放，对比新旧索引的Recall@K和延迟，达标才原子切换，不达标就回滚。所以我会把编码模型看成RAG的入口守门员，它的召回能力决定了整个系统的天花板，而生成模型只是在这个天花板下做文章。 RAG本质是给LLM配外挂知识库编码模型：DPR有监督精度高但贵，Contriever无监督通用但领域弱评估重点：Recall@K，因为生成能容忍噪声但不能漏落地风险：文档更新频繁时索引重建是坑约4分钟知识库频繁更新时，用base+delta双索…

#淘天#DPR 与 Contriever#RAG 编码模型评估

面试题·模型微调· 美团

RAG vs SFT 场景怎么选?

匹配正文：…模海量文档（TB级）高质量指令对（万级）响应形式需要引用来源需要风格/人格化延迟要求可接受百毫秒级检索极致低延迟 RAG更具优势的具体场景 1. 动态知识场景金融政策解读、医药说明书查询、客服知识库——知识每天更新，SFT追不上 2. 长尾专业领域法律条文检索、企业内部文档问答——训练数据稀缺，但文档库完整 3. 高可信要求的问答医疗诊断辅助、投资分析报告——必须给出参考依据，不能"脑补" 4. 多租户隔离场景 SaaS服务不同企业客户——各客户数据隔离…

#美团#模型微调#RAG vs SFT

面试题·模型微调· 百度

RAG 向量模型怎么选?

匹配题目：在RAG系统中，选择文本向量编码模型时需要考虑哪些技术指标和性能因素？

#百度#评估与监控#向量检索

面试题·知识图谱· 字节

GraphRAG原理 vs 传统RAG 怎么选?

匹配正文：…理能力单点匹配多跳关系推理、全局聚合上下文组织线性拼接结构化图遍历典型场景对比：问"公司A和公司B有什么关联？" 传统RAG：可能漏掉分散在多处的间接关系 GraphRAG：通过图遍历找到A→C→B的完整路径图结构数据的应用方法 1. 金融风控构建企业股权、担保、交易关系图识别隐性关联：多层股权穿透、担保圈 2. 医疗诊断症状-疾病-药物-禁忌的知识图谱支持"症状A+症状B→罕见病C"的推理 3. 供应链分析供应商-零部件-产品-客户的复杂网络评估单…

#字节#GraphRAG 原理#GraphRAG vs RAG

面试题·知识图谱· 腾讯

GraphRAG适用场景 vs 传统RAG 有哪些?

匹配正文：核心差异传统RAG基于向量相似度，将知识压缩为稠密向量，擅长语义匹配但丢失显式关系；GraphRAG基于知识图谱，保留实体-关系-实体的结构化连接。更适合GraphRAG的场景场景原因复杂多跳问答如"某药物通过哪些靶点影响某疾病"，需跨文档追踪因果链关系密集型查询组织架构、供应链、社交网络等强关联场景可解释性要求高金融风控、医疗诊断需展示推理路径全局聚合分析如"总结某领域所有公司的合作关系"，需图遍历而非片段拼接动态演化知识时序关系、版本变更等需显…

#腾讯#知识图谱#GraphRAG vs RAG

面试题·多模态· 快手

多模态 RAG 与传统 RAG 差异在哪?

匹配口述回答：…百个token，多帧视频更夸张，容易触发[[KV Cache]]瓶颈。业务场景很典型。比如电商客服，用户上传一张商品破损的照片，系统能检索到类似案例的图片和解决方案文本，然后生成回复，比纯文本RAG准确得多。医疗诊断也是，CT影像加病历文本一起检索，辅助医生写报告。工业质检里，视频流的关键帧检索可以快速定位历史故障记录。不过这类系统落地有个前提：数据质量必须够高。如果图片模糊、标注不准，模态对齐会崩，生成结果反而更差。所以我做项目时，会先花精力做数据清洗和模态对齐的评估，…

#快手#多模态#多模态 RAG

面试题·多模态· 淘天

多模态 RAG 架构设计

匹配口述回答：这道题其实是在问一个很实际的问题：当你的输入既有图片又有文字时，怎么让[[RAG]]系统真正理解它们之间的关系，而不是简单把图片转成文字再走老路。我先说一个核心判断，[[多模态]]RAG的本质不是把图片塞进文本RAG，而是解决跨模态对齐和检索的问题。早期做法，很多人管它叫伪多模态，流程就是图片进来先做 [[OCR]] 或者生成 caption，把图像信息转成文本，然后走传统文本 RAG。这个方案好处是快，现成的文本检索管线直接复用，但问题也很明显，信息损耗严重，比如一张图表…

#淘天#多模态#多模态 RAG 架构设计

面试题·多模态· 淘天

多模态 RAG 实现方案

匹配正文：…入典型应用场景电商商品问答：用户上传商品图+提问，检索详情页图文信息研报/财报分析：解析PDF中的图表、表格、文字联合问答医疗影像辅助：CT影像+病历文本联合检索关键挑战（一句话）模态对齐质量决定检索精度，延迟成本随模态数倍增，ColPali类方案正在改变"先解析再嵌入"的传统范式。学习建议掌握多模态RAG需熟悉主流框架如LangChain、LlamaIndex，理解其与视觉语言模型的集成方式。

#淘天#多模态#多模态 RAG 实现方案

面试题·多模态· 阿里

Multi-modal RAG 是什么?

匹配正文：答案要点明确多模态RAG的定义（支持文本、图像、视频、音频等多模态输入和检索）技术挑战（跨模态语义对齐、多模态索引构建、模态融合策略）核心组件（多模态编码器、跨模态检索器、多模态生成器）典型应用场景（电商图文搜索、医疗影像诊断、工业质检、多模态客服）什么是多模态RAG 传统RAG只检索文本知识，多模态RAG将检索范围扩展到图像、视频、音频、表格等多模态数据，实现"以文搜图、以图搜文、跨模态联合推理"的增强生成。核心挑战 vs 文本RAG 维度传统文本RAG 多模…

#阿里#多模态#Multi-modal RAG

面试题·RAG· 百度

RAG 索引构建管线

匹配正文：RAG索引环节的优化核心在于**"怎么存"和"怎么找"**两个维度，常见策略如下：一、分块策略优化动态分块：按语义边界（句子、段落）而非固定长度切分，避免切断关键信息重叠窗口：把零重叠、短窗口与较长窗口作为候选，用同一评测集验证是否减少边界证据丢失多粒度索引：同时存储句子级（精）和段落级（全），检索时按需召回二、Embedding层优化模型选型：垂域数据用BGE、M3E等开源模型，必要时Domain-Specific微调多向量表示：ColBERT的late in…

#百度#RAG索引优化#RAG 索引构建管线

面试题·RAG· 字节

RAG 查不到文档怎么降级?

匹配口述回答：这道题我觉得本质不是在问模型不会答怎么办，而是在问检索链路失效后，怎么让系统体面地收场，同时尽量不牺牲用户体验。首先得把边界划清楚。检索失败其实分两层：一层是知识库里压根没找到相关文档，比如用户问了个很冷门的问题；另一层是找到了但相关性不够，分数低到没法用。这两层应对策略不一样。先说具体怎么降级。我通常会按成本从小到大来排。最轻量的策略是追问。比如用户问了个模糊的问题，像客服场景里用户说「我要退款」，但没给订单号，那系统可以反问一句「请问是哪个订单呢？」这样引导用户把需求…

#抖音#RAG降级策略#RAG fallback

面试题·检索· 百度

RAG Query 改写方法

匹配题目：在RAG系统中，如何设计有效的查询改写策略？以及在检索到相关文档后，如何构建合适的提示词来指导大模型生成准确答案？

#百度#小鹏#美团

面试题·检索· 虾皮

RAG 流程优化：检索与重排陷阱

匹配口述回答：…用 [[Parent Document]] 结构，保留父子关系，更新时原子级替换整个子树，再配合版本号做在线校验。所以总的来说，RAG不是搭个流水线就行，每个环节都有前提条件和trade-off。我更倾向把RAG看成一个持续优化的系统，而不是一次性工程，重点在数据质量和评估闭环上花功夫。一句话定位：RAG本质是让大模型学会查资料文档预处理：语义分块和元数据增强检索环节：混合检索和查询扩展生成环节：上下文压缩和引用溯源系统级取舍：评估闭环和缓存策略约4分钟当知…

#虾皮#RAG全链路优化#RAG 流程优化

领域RAG应用链路怎么搭?

GraphRAG vs 传统 RAG 优势在哪?

RAG vs 传统检索生成怎么选?

RAG 二次生成怎么提升安全性?

RAG 瓶颈在哪一步

RAG 为什么需要 Re-ranking?

RAG 为什么需要 Rerank?

RAG检索方法如何优化？

RAG 工作流怎么应对时效衰减?

RAG知识库构建流程详解

RAG向量化流程：预处理到归一化

RAG编码模型评估指标与对比

RAG vs SFT 场景怎么选?

RAG 向量模型怎么选?

GraphRAG原理 vs 传统RAG 怎么选?

GraphRAG适用场景 vs 传统RAG 有哪些?

多模态 RAG 与传统 RAG 差异在哪?

多模态 RAG 架构设计

多模态 RAG 实现方案

Multi-modal RAG 是什么?

RAG 索引构建管线

RAG 查不到文档怎么降级?

RAG Query 改写方法

RAG 流程优化：检索与重排陷阱