匹配正文：…训练学到的权重）与非参数化记忆（外部知识库）结合，通过检索实时引入上下文，解决纯LLM的知识固化问题。架构组成与工作流程三核心组件：知识源：文档库、数据库、API等，需向量化索引检索器：编码查询→相似度搜索→返回Top-K相关文档（常用Dense Passage Retrieval或Embedding模型）生成器：将"查询+检索文档"拼接为上下文，生成最终回答标准流程：用户Query → 向量化 → 向量检索召回 → 重排序（可选） → 上下文拼接 → LLM生…

#淘天#阿里#RAG 架构

面试题·检索· 字节

RAG Retriever 工作机制详解

匹配正文：…词查询稠密检索双塔编码器，语义向量相似度 DPR、Contriever、BGE 语义理解好，泛化能力强，需GPU推理关键技术组件向量数据库与索引存储：FAISS、Milvus、Pinecone 存储文档Embedding 索引结构：HNSW（图索引，快但内存大）、IVF-PQ（磁盘友好，略慢）量化：FP16/INT8降低存储，平衡精度与速度与Generator的协同 Query → [Retriever] → Top-K Docs → [Prompt拼接] → …

#字节#Retriever#RAG Retriever

面试题·Agent· 商汤科技

LangGraph 核心特性与设计理念

匹配口述回答：…nt。AutoGen更侧重多Agent对话，它的核心抽象是对话轮次，图控制能力比较弱。实际落地时，这些框架常常是组合使用的，比如用LangChain搭检索组件，用LangGraph编排整个流程，用AutoGen处理Agent之间的对话。举个具体业务场景，客服退款流程。用户说“我要退款”，Agent先判断订单状态，如果订单已发货，需要先确认退货意愿，再生成退货地址，然后等用户寄回，确认收货后再退款。这个过程中有分支（已发货vs未发货）、有循环（用户可能修改退货原因）、需要人介…

← 上一页第 2 / 2 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

#商汤科技#LangGraph 框架#Agent 框架对比

面试题·Agent· 同花顺

Agent 开发技术栈怎么选?

匹配正文：真实性边界 “使用过哪些框架、是否训练过模型”属于经历事实。只填写亲自运行、调试或上线过的组件及版本；读过文档、做过 Demo 和生产使用必须分开。不得预填某个商业模型、本地模型、训练收益或延迟数字。回答框架任务边界：输入、输出、工具数量、风险等级和服务约束是什么。框架与自研部分：实际使用【框架/版本】完成【能力】，自研【状态机、权限、审计或执行器】解决【框架缺口】。模型路径：实际调用【模型/部署方式】；若做过训练，说明数据、目标、基线、配置和验证；若未训练，明确说明…

#同花顺#Agent#Agent 技术栈

面试题·检索· 字节

RAG 原理与核心架构

匹配正文：…化切分策略、Embedding质量和召回精度。学习建议建议先掌握大模型基础原理，再学习信息检索与向量数据库技术，结合开源项目如LangChain动手实践RAG流程，加深理解。

#字节#重排与优化#RAG 原理与核心架构

面试题·模型微调· 商汤科技

RAG 基本工作流程是什么?

匹配追问：…起来？……从用户提问到最终答案，中间经历了哪些步骤？直球架构请描述RAG的完整工作流程，包括离线和在线阶段，以及每个阶段的关键组件。比如文档怎么处理、检索怎么实现、生成时怎么拼接Prompt。

#商汤科技#RAG 工作流#RAG 工作流程