匹配正文：核心思路 RAG优化是个系统工程，需分模块迭代+数据驱动，避免单点优化陷入局部最优。一、检索层优化（源头质量）手段具体做法索引策略按语义/结构切分（如标题+正文），关键信息冗余存储；多粒度索引（段落+句子）查询改写 Query扩展（同义词、LLM生成变体）、意图识别后路由不同索引混合检索向量+关键词+结构化过滤联合召回，解决语义漂移和精确匹配需求二、重排序层优化（精排筛选） Cross-Encoder精排：用轻量模型（如bge-reranker）对召回Top…

#字节#RAG评估闭环#RAG 系统优化

面试题·检索· 高德

RAG增强与生成如何衔接？

匹配正文：…解析、分块、向量化）检索阶段的双路召回策略（向量+关键词）重排序优化上下文拼接与提示模板设计生成阶段的引用溯源与幻觉控制 RAG完整工作流程一、离线知识库构建（预处理）文档解析：处理PDF/Word/网页等多格式，提取结构化文本知识分块（Chunking）：按语义/固定长度/递归分割，通常512-1024 token，块间保留重叠防止断句向量化：用Embedding模型（如BGE、M3E）将文本转为稠密向量索引存储：写入向量数据库（Milvus/Faiss/…

#高德#RAG#RAG 工作流程

面试题·检索· 字节

RAG检索质量差：Embedding与Rerank调优

匹配正文：答案要点识别检索失败的具体环节（召回率低/精确率低/排序差）提出至少3种具体技术方案说明方案适用场景和 trade-off 体现工程落地经验问题诊断：先定位失效环节召回问题：相关文档没进候选池 → 需优化向量表示或扩大检索范围精确问题：噪声文档混入 → 需过滤或重排序排序问题：相关文档得分低 → 需重排序模型或特征工程核心应对策略 1. 查询侧优化（Query Rewriting）意图澄清：用LLM扩展同义词、补全省略的主语伪文档生成：HyDE 用模型生成…

← 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

#字节#检索故障诊断#检索质量优化

面试题·模型微调

SFT vs RAG 知识更新

匹配口述回答：…RAG检索结果质量不高，比如召回率低或重排不准，该怎么兜底？我通常会加一个置信度过滤，分数低的直接拒绝回答，或者用 [[Self-RAG]] 让模型自己反思检索结果是否可靠。这个其实涉及到RAG系统的鲁棒性设计。一句话定位：SFT vs RAG 本质是模式学习与事实检索的取舍四个维度对比：更新灵活性、准确性、部署复杂度、泛化能力业务场景举例：客服退款政策，SFT学推理、RAG查实时规则落地风险：RAG检索失败、SFT更新慢，常见失败场景工程师收尾：倾向RAG+SFT…

#SFT#RAG 知识更新#SFT vs RAG 知识更新

面试题·RAG· 淘天

RAG 核心架构与工作流程

匹配口述回答：…力，不是银弹。它解决的是知识来源问题，但推理能力、上下文管理这些仍然需要模型本身的改进和工程上的精细调优。我更倾向根据业务场景，把RAG和微调、[[Agent]]这些方案组合起来用，而不是指望一个方案包打天下。本质是给大模型外挂知识库核心流程：检索+生成，关键在检索质量 RAG适合事实精度场景，纯模型适合创意场景落地风险：检索失败、上下文管理、多跳推理我的取舍：RAG是基础能力，不是银弹约4分钟 RAG在多跳推理场景容易断链，Self-RAG通过让模型自己决定是否检…

#淘天#阿里#RAG 架构

面试题·RAG· 字节

RAG 怎么提升生成准确性?

匹配口述回答：…生成内容是忠实于检索结果还是自己脑补，如果忠实度低就得调重排或加 [[Self-RAG]] 让模型自己判断要不要引用。所以我会把RAG看作一个工程框架，它的核心价值是低成本、可回溯、易更新，但前提是检索质量得过硬。如果检索底子没打好，RAG反而比纯LLM还差。我更倾向先建好知识库的质量基线，再考虑上RAG。 RAG本质是给LLM配个参考书工作流程：建索引、查、拼起来生成落地关键：检索质量决定上限和微调的边界：更新快用RAG，改风格用微调风险：检索失败反而带偏模型约…

#字节#外部知识检索#RAG 原理

面试题·RAG· 字节

RAG 查不到文档怎么降级?

匹配口述回答：…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，我们还可以聊聊怎么用 [[Corrective RAG]] 的思路让模型自己判断什么时候该降级。本质是处理检索失败，而非模型不会答先划清场景：知识库无结果 vs 结果不相关具体策略：追问、大模型兜底、转人工，以及组合打法落地风险与工程要点：透明性、可观测、阈值动态调整收尾选型偏好，给出可延伸点追问约4分钟网络搜索作为补充降级策略，但结果质量不可控，需要额外审核模型过滤。面试官可能…

#抖音#RAG降级策略#RAG fallback

面试题·RAG· 字节

医疗 RAG 索引如何保合规?

匹配口述回答：…查询可以做缓存，预计算热点片段。检索时我会用HyDE先生成假设文档再检索，能提升召回质量。不过话说回来，即使流程再完善，专业领域RAG还是会遇到检索失败的情况，比如用户问的问题在知识库里根本没有对应内容。这时候如果硬答，就会产生幻觉。所以我会特别关注检索失败时的兜底策略，比如设置置信度阈值，低于阈值就直接告诉用户“找不到相关信息”，而不是强行生成。这其实涉及到[[Faithfulness]]和[[Self-RAG]]的思路，让模型自己判断是否该回答。所以整体上，我更倾向于…

#字节#医疗RAG合规#RAG 数据处理流程

面试题·RAG· 字节

RAG 怎么提升事实准确性?

匹配口述回答：…味追求更大的模型。因为对很多业务来说，一个中小模型加上高质量检索，效果往往比大模型硬背知识要好，而且成本低、迭代快。一句话定位：RAG本质是给大模型开卷考试边界划分：RAG vs 微调，以及混合检索的必要性业务场景：客服退换货政策查询落地风险：文档质量与检索失败的坑工程师取舍：我更看重检索质量而非模型大小约4分钟 RAG的评估不能只看最终回答，要拆开看检索和生成各自的质量，比如用RAGAS框架。面试官可能会追问RAGAS具体怎么用，或者检索评估有哪些指标，比如上…

#字节#RAG工作原理#RAG 工作原理

面试题·检索· 美团

RAG 流程各阶段怎么拆?

匹配口述回答：这道题问的是[[RAG]]的完整工作流，其实本质是在问：怎么把大模型的知识边界和实时性不足这个短板，用外部知识库补上，同时还要控制[[幻觉]]。不是简单拼凑，而是每个环节都要做取舍。先说检索之前，有个预处理。用户的问题往往不规整，比如“上次那个退款怎么还没到”，这里“上次”指代什么？得先做查询改写，把指代消解掉，拆成“订单号xxx的退款进度”。这一步不做，后面检索全是错的。然后进入检索，这是最核心的部分。很多人以为向量检索就够，但实际落地，纯向量语义检索在专有名词、订单号…

#美团#评估与监控#RAG 工作流程

面试题·检索· 百度

RAG 技术实现流程怎么走?

匹配口述回答：…关性都低于某个阈值，模型必须拒绝回答，不能胡编。这个阈值需要反复调，设太高容易拒答，设太低幻觉又冒出来。最后说一个容易忽略的点：检索失败时的回退策略。比如用户问的问题在文档里确实没有，或者检索出来的内容自相矛盾，这时候模型该怎么做？我倾向引入一个自检环节，让模型先判断检索结果是否足够支持回答，如果不支持，就主动反问用户澄清意图，或者走一个备用知识库。这个思路其实已经有点[[Agentic RAG]]的味道了，模型不再是被动拼接，而是主动决策。所以我的整体判断是：RAG落地…

#百度#文档切分与检索#RAG 实现流程

项目实战·RAG

第 8 章:多轮对话与记忆管理

匹配正文：…现金价值。 === 对照:不带记忆,直接拿原话检索 === 轮2 用户:那它过了还能退吗? 助手:【没接住】问题里没有明确的产品,检索失败 <- '它'无法解析,检索失败 🐛 跑不通看这里轮2 补全后还是"没接住"?检查 KB 的键有没有改:demo 靠"产品 + 关键词"双命中,改了键就匹配不上。 resolve 没把"它"换掉?确认轮1 的问题里出现了 PRODUCTS 列表中的某个产品(如"重疾险"),否则 last_entity 找不到实体可替换。 Attribu…

#RAG#检索#项目实战

面试题·评估· 美团

LLM 幻觉治理方法对比

匹配正文：…/冲突数据、知识边界标注、课程学习效果：基础但长尾，无法解决训练截止后新知识问题局限：成本高，且模型仍可能"过度泛化" 2. RAG（检索增强生成）做法：外挂知识库，将检索到的相关文档拼入Prompt 效果：对事实性幻觉效果显著，可追溯来源关键：检索质量决定上限，需解决检索失败和内容冲突美团实践：结合实时业务数据（如商户信息）做领域RAG 3. 解码策略优化方法核心思想适用场景 Contrastive Decoding 对比大/小模型输出，惩罚低置信token…

#美团#幻觉治理#LLM 幻觉治理方法对比

求职指南·求职

没有大模型项目经验,怎么攒出能写进简历的项目

匹配正文：面试官要的不是「你做过多大的项目」,而是「你在项目里做过多少真实的技术决策」。一个自己从零搭、每个环节都讲得清为什么的 RAG 或 Agent 系统,胜过任何跑通就完事的教程 demo。项目经验是可以在 4-8 周内攒出来的,前提是做的方式对——带评估、留 badcase、每个取舍都能讲清。作者:吴师兄 | 适合:想转大模型岗但手里没有「像样项目」的在校生和后端工程师 | 前置:了解应用岗和算法岗的区别,大致知道 RAG / Agent 是什么没在公司做过 ≠ 没有项目经…

#求职#职业转型

求职指南·求职

大模型简历怎么写:项目怎么描述、怎么量化、怎么防追问

匹配正文：… 结果如何(结果)"。下面用站内两个教程项目做示范,数字均为示意口径(标注为经验值),你要换成自己真实测出来的。三维该写什么 RAG 智能问答系统示例 Deep Research Agent 示例工程维度架构/状态/工具/权限/监控/成本文档解析 → 分块 → bge 向量检索 + 重排两路召回,加检索失败兜底与查询改写,接入调用日志监控单次成本 ReAct 迭代循环 + 工具注册(搜索/抓取/计算),长程记忆做上下文压缩,关键工具调用加权限确认与 trace 回放…

#求职#职业转型

面试题·模型架构· 商汤科技

幻觉一致性延迟诊断

匹配正文：…istency需要随机采样多条推理路径并聚合答案，不能在temperature=0后再声称做有效多样化采样。幻觉先区分知识缺失、检索失败、证据误读和生成越界。频繁更新的外部知识优先放入RAG或受控数据源，并要求引用与验证。ROME是对模型权重进行定向低秩更新的知识编辑方法，不是编辑单个神经元；知识频繁变化时也不宜用持续权重编辑替代可追溯检索。延迟先profile prefill、decode、检索、工具和网络阶段，再考虑KV缓存、批处理、量化、蒸馏、speculative…

#幻觉问题#输出一致性#推理延迟

面试题·知识图谱· 海尔

训练/推理/外部知识怎么选?

匹配正文：…f-Thought：显式推理过程便于追溯错误来源动态置信度估计：输出时附带不确定性分数，低置信度触发人工审核三、外部知识集成（RAG为核心）检索增强生成检索相关文档作为上下文，将生成约束在检索内容范围内关键：检索召回率+重排序精度，需处理检索失败时的优雅降级知识图谱增强将结构化知识（KG）与非结构化文本联合检索复杂推理场景用KG进行多跳验证工具调用对时效性、精确性要求高的信息，调用搜索引擎、数据库API实时获取四、系统层兜底事实性校验模块：NER提取实…

#海尔#外部知识集成#大模型幻觉

面试题·Agent

Agent 从海量记忆里怎么找对内容？相关性、时间性和重要性怎样组合

匹配正文：…ent 有没有权限、信息是否还有效、来源是否可信、是不是被新版本替代，以及它对当前任务到底有多重要。用户今天问“帮我继续上次的 RAG 评测”，向量库可能召回一个月前的项目目标，也可能召回另一个项目里措辞相似的评测记录。旧目标语义很像，但当前阶段已经变化；另一个项目更像，却属于错误作用域。若系统只取相似度最高的几条，记忆越多，污染当前决策的机会反而越大。这道题要回答的是一条检索与排序链路：先识别查询意图和主体，做权限、租户、类型、状态、时间与项目范围过滤，再生成语义候选，…

#Agent#记忆与存储#Agent 记忆检索排序