匹配口述回答：这道题问的是[[RAG]]评估，但我觉得它真正在问的是：你怎么在检索和生成这两段之间做质量博弈，并且落地时不被指标骗了。我会把评估拆成两个层面，先检索层，再生成层，最后看端到端，但每个层面都有坑。先说检索层。Recall@K衡量Top-K覆盖了多少已标注相关文档，分母是相关文档总数；Hit@K衡量至少命中一个相关结果的query比例，不能混为一谈。但这里有个常见误区：很多人上来就追Recall@K到95%以上，其实没必要。比如客服退款场景，用户问“退款到哪了”，若黄金集中…

#淘天#评估与监控#RAG 线上效果评估

面试题·模型微调· 美团

RAG vs SFT 场景怎么选?

匹配口述回答：…k]]，把最相关的片段顶到前面。另外说一个我特别关注的点：当知识库频繁更新时，[[Vector Database]]的增量索引和一致性怎么保证？比如客服知识库每天有几百条修改，你不能每次重建索引，但增量插入又可能让检索精度下降。我倾向于用双索引策略，一个base索引定期全量重建，一个delta索引处理实时增量，查询时合并结果，再按时间戳去重。所以整体来看，我不会把RAG和SFT对立起来。真实落地往往是RAG打底，保证知识最新、来源可查，然后再用SFT优化生成风格和指令遵循…

#美团#模型微调#RAG vs SFT

面试题·模型微调· 字节

RAG 工作原理与架构怎么搭?

匹配口述回答：…OP 和合规文档，政策三天两头变，RAG 改个文档就行。SFT 适合学新风格、新格式，比如让模型按特定模板写报告。真正落地常常是 RAG 提供实时知识，SFT 优化生成风格，两者一起上。最后说下落地风险。一个前提是数据质量必须高，文档本身有错、有矛盾，RAG 反而会放大错误。上线前我会特别关注两件事：一是检索延迟，高频场景下向量检索加重排可能超过 500ms，需要加缓存或者用 [[HNSW]] 索引优化；二是数据一致性，文档更新后，旧向量和旧片段要能及时清理或软删除，否则用…

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#RAG 系统架构#RAG 工作原理

面试题·模型微调· 字节

领域 RAG 知识库构建

匹配口述回答：…，再针对性优化。比如发现很多case是分块不合理导致的，就回头调分块策略。另外，当知识库频繁更新时，比如电商每天上架新商品，传统RAG的索引重建成本很高。我倾向用增量更新加双缓冲索引，但一致性校验是个坑，比如旧索引里删了某条数据，新索引还没建好，查询时就会返回过时结果。这块我还在探索更稳定的方案。所以整体上，我更倾向把RAG看成一套持续迭代的系统，而不是一次搭完就完事。数据质量、检索策略、模型调优，每个环节都要根据业务反馈不断调整。一句话定位：RAG本质是查文档+读文档…

#字节#领域 RAG 知识库构建#领域 RAG 知识库怎么建？数据处理、索引与检索

面试题·模型微调· 字节

RAG 检索与生成流程详解

匹配口述回答：…和微调不是二选一，而是互补。比如对高频、固定的知识，微调可以让模型直接记住，省去每次检索的延迟；而对动态更新的知识，比如促销政策，RAG更灵活。所以真正落地的系统，往往是RAG加微调混合用，比如用微调让模型学会理解领域术语，用RAG提供实时知识。最后说下风险。RAG依赖知识库的质量，如果文档本身有错误或过时，检索出来反而误导模型。所以上线前我会特别关注知识库的更新机制和一致性校验。另外，分块策略直接决定检索精度，块太大会漏细节，块太小会丢上下文，需要根据文档类型调参。所以…

#字节#检索生成流程#RAG 实现

面试题·知识图谱· 腾讯

GraphRAG适用场景 vs 传统RAG 有哪些?

匹配口述回答：…on]]风险。如果摘要总结不准确，全局查询就会出错。所以我在设计时，会对社区摘要做一层[[Faithfulness]]校验，用事实一致性检查过滤掉幻觉内容，再返回给用户。所以总的来说，我会把GraphRAG看成传统RAG的一个强力补充，而不是替代。它特别适合那些'为什么'和'如何关联'的问题，但前提是数据质量够硬，并且你愿意承担前期建模的投入。如果只是简单问答，我倾向于先用传统RAG快速上线，等遇到多跳瓶颈再引入图结构。这道题问的是什么时候该上GraphRAG，本质是结构…

#腾讯#知识图谱#GraphRAG vs RAG

面试题·RAG· 字节

RAG 怎么提升生成质量?

匹配口述回答：…容易。但落地时有个前提：检索结果本身必须靠谱。如果知识库质量差，比如文档切分不合理、向量模型没选好，搜出来的东西牛头不对马嘴，那RAG就是把脏数据更快喂给模型。常见失败场景是，用户问了一个需要多步推理的问题，但检索只返回了零散片段，模型推理能力弱就答错了。所以我上线时会特别关注检索的召回率，用 [[Hybrid Search]] 把关键词和向量结合起来，再做个 [[重排]] 把最相关的排前面。还有一个点值得注意：当知识库频繁更新时，索引的实时性和一致性很难平衡。新增简单，…

#字节#大模型幻觉#RAG 原理

面试题·RAG· 字节

RAG 检索模块怎么提升相关性?

匹配口述回答：…会选重排序，因为它直接提升最终生成质量，而且随着 Cross-Encoder 模型越来越轻量，延迟问题在逐步缓解。一句话定位：RAG检索本质是平衡召回率与精度的工程问题检索模块的工作流程：索引构建、在线检索、结果组装提升相关性的三个方法：混合检索、重排序、查询改写落地风险与取舍：延迟、一致性、场景适配约4分钟上下文压缩作为可选模块，在文档长噪声大时启用，但需权衡延迟和成本。面试官可能会追问上下文压缩的具体实现方式，以及如何评估压缩对生成质量的影响。

#字节#Query Rewriting#RAG 检索模块

面试题·检索· 字节

RAG Retriever 工作流程详解

匹配口述回答：这道题问的是[[RAG]]系统里检索模块的完整流程，本质上是在考察「如何把用户的一个自然语言查询，精准、高效地映射到知识库里最相关的文档片段上」。整个链路我拆成四段来说：查询预处理、[[向量化]]、检索、排序。先说查询预处理。用户输入往往很随意，比如在电商客服场景，用户问「这个多少钱」，你得结合上下文补全商品名。这里有个常用手段叫 HyDE，就是让大模型先生成一个假设的答案文档，再拿这个文档去向量化检索，能大幅缓解查询和文档之间的语义鸿沟。另外我还会做查询扩展，比如同义词替…

#字节#重排与优化#RAG Retriever 工作流程

面试题·检索· AIlab

RAG 流程：检索、融合、生成

匹配口述回答：…时，离线建库和在线检索之间的延迟怎么处理。比如电商大促期间，满减政策每小时变一次，如果重建整个索引成本太高，增量更新又可能影响召回一致性。这块我目前是先把新旧版本分层存储，查询时做版本合并，但实时性还是不够理想。所以整体上，我会把RAG看成一套需要根据场景动态调整的管线。比如客服场景，召回率比延迟更重要，我会用重排加多路召回；但如果是实时问答机器人，延迟敏感，我会牺牲一点召回率，只用向量检索加轻量级过滤。没有银弹，只有取舍。 RAG本质是给LLM配外挂知识库离线建库：分块…

#AIlab#RAG工作流#RAG 技术流程

面试题·检索· 高德

RAG增强与生成如何衔接？

匹配口述回答：…ry的相似度低于某个值，直接触发拒答机制，返回“当前信息不足以回答”，而不是让模型硬猜。这能显著降低 [[幻觉]] 风险。不过，RAG不是万能的。它的前提是知识库质量够高，如果文档本身就有错，或者分块把关键信息切碎了，检索再强也白搭。所以我会把RAG看成一种“快速扩展知识边界”的方案，适合知识频繁更新的场景，比如实时政策、产品手册；但如果是需要深度推理或常识性知识，我更倾向结合微调或[[知识图谱]]。总结下来，RAG落地的核心不是哪个环节最酷，而是整个链路的一致性：从分块…

#高德#RAG#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：…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落地最核心的不是某个模块做到极致，而是整个链路的一致性。检索、排序、生成、拒答，任何一个环节出问题，答案质量都会崩。我更倾向在离线阶段多花功夫做文档清洗和质量校验，而不是上线后靠prompt来救。一句话定位：RAG本质是解决知识时效性与幻觉的平衡文档处理与分块：固…

#百度#文档切分与检索#RAG 实现流程

面试题·检索· 百度

RAG 工作流程与关键技术组件

匹配口述回答：…回答，也不要给错答案。所以我会把 RAG 看成一套检索系统加上一个生成接口，重心放在检索和过滤上，而不是一味调 prompt。 RAG本质是给LLM配外挂知识库离线阶段：文档处理与向量化在线阶段：检索与生成关键组件：Embedding、向量库、Reranker 落地挑战与取舍约4分钟知识库频繁更新时，增量索引比全量重建更复杂，需要双缓冲和版本管理面试官可能会追问增量索引的具体实现，比如如何保证检索一致性，或者如何设计双缓冲切换

#百度#RAG技术架构#RAG 工作流程

面试题·检索· 字节

RAG检索方法选型原因？

匹配题目：在RAG系统中，您采用了哪些检索方法（如密集检索、稀疏检索等）？请说明选择这些方法的原因，并讨论可能的优化策略。

#字节#评估与监控#RAG 检索方法

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：…。另外，缓存也很关键，热门查询的结果直接缓存，能省掉70%的检索延迟。其实还有一个延伸方向：当知识库更新频繁时，文档和向量之间的一致性怎么保证？比如政策改了，旧的文档要替换，但[[向量库]]里还有旧向量，检索时可能同时召回新旧版本，导致答案矛盾。这个场景下，我会考虑用 [[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RA…

#虾皮#RAG全链路优化#RAG 流程优化

面试题·检索· 小红书

RAG 局限性怎么破?

匹配口述回答：…了延迟会很高，而且模型可能跑偏。所以我会限定最大步数，并给每个工具加清晰的描述，让模型知道什么情况下该调用什么。所以我的总结是：RAG是个好工具，但不是 silver bullet。我更倾向把它看成知识外挂，需要和微调、Agent配合使用。上线前我会特别关注检索的召回率和生成的事实一致性，用 [[RAGAS]] 这类框架做评估，不达标的场景宁可降级也不让模型瞎答。一句话定位：RAG的本质是低成本知识外挂检索质量的坑与混合检索改进生成阶段的割裂与Self-RAG方案边…

#小红书#RAG局限性#RAG 局限性

面试题·检索· 字节

RAG架构：检索器与重排序策略

匹配口述回答：…新时，增量索引怎么做。直接原地动图索引会导致召回质量波动，我倾向用base加delta双索引，删除用软标记，后台异步重建，上线前做一致性校验。所以综合来看，我更倾向把RAG看成一套系统工程，不是调个模型就完事。检索器、数据库、重排序每一步都有取舍，得根据业务场景和资源来定。 RAG核心是检索和生成的桥接，本质是解决知识滞后和幻觉检索器优化：混合检索是标配，查询改写补语义鸿沟向量数据库选型：图/倒排索引、量化与候选权限约束重排序：两阶段漏斗，Cross-Encoder精…

#字节#向量库与重排序#RAG 架构设计

面试题·检索· 高德

RAG 系统实现流程怎么搭?

匹配口述回答：…检索 + 重排，不要迷信向量生成集成：上下文组装、Prompt、窗口管理落地风险与取舍：召回、延迟、成本的三角博弈约4分钟 RAG 的文档更新实时性是常见瓶颈，增量索引维护图结构时删除操作不能原地动，否则召回质量会崩。面试官可能会追问增量索引的具体实现方案，比如 base+delta 双索引如何保证一致性，或者如何做原子切换和回滚。

#高德#RAG结果融合#RAG 实现流程

面试题·检索· 阿里

RAG 召回又快又准靠什么?

匹配口述回答：…邻居关系断了。我通常的做法是软删除，维护一个删除ID列表，查询时过滤掉，然后后台异步重建。这块如果深挖，会涉及到图索引的动态维护和一致性保证，挺有意思的。所以整体上，我更倾向于把召回链路看成一套可组合的乐高积木，没有固定的最佳实践，只有针对业务场景的权衡。比如对延迟敏感的用HNSW加量化，对精度要求高的用混合检索加精排，对成本敏感的做冷热分层。关键是上线前一定要压测，用真实query回放，对比Recall@K和延迟，不达标就回滚。定位：RAG召回本质是精度、速度、成本的三…

#阿里云#召回链路优化#RAG 召回优化

面试题·检索· 字节

RAG 工作流怎么应对时效衰减?

匹配口述回答：…降序取第一个，但如果有语义不匹配的情况，比如用户问的是“去年的政策”，那就得靠query意图识别来切换版本。所以整体来看，我会把RAG的时效性看作一个系统性问题，不是单靠某个算法就能解决的。我更倾向用分层策略加多路召回，再配合实时补偿，同时做好版本控制和索引一致性校验。如果面试官对版本控制或者混合检索的具体实现感兴趣，我可以再展开讲讲。 RAG工作流程：检索与生成时效性衰减的本质是知识分布变化数据分层：冷热温分层管理多路召回与动态补偿落地风险与工程师取舍约4分钟 …

#字节#时间衰减检索#RAG 工作流程

面试题·评估· 字节

知识库更新策略怎么选?

匹配题目：在基于知识库的大模型应用（如RAG系统）中，知识库的更新策略有哪些？如何保证更新的实时性、一致性和检索准确性？

#字节#评估与监控#RAG 知识库更新

面试题·Prompt· 华为

Prompt Engineering 技巧怎么选?

匹配题目：在实际的大模型应用中，你使用过哪些有效的Prompt Engineering技巧来提升模型输出的质量、准确性和一致性？请结合具体应用场景（如RAG、Agent等）举例说明其设计思路、实施过程及实际效果。

#华为#Prompt工程#Prompt Engineering 技巧

求职指南·RAG

多轮对话、引用与权限隔离项目模拟面试

匹配正文：…至少两个候选方案、真实约束与放弃原因质量、时延、开发和维护成本下一步：metrics。配套学习：多轮对话上下文状态管理机制、RAG多轮对话怎么防知识遗忘?。 5. metrics · metrics 多轮一致性、引用正确率、权限泄漏率和延迟如何定义？基线与对抗集是什么？考察重点：核验效果数字是否有定义、基线、样本和可归因证据。多轮一致性、引用正确率和权限泄漏率的判定规则同一会话与权限对抗集上的旧方案结果多轮、错引、越权和权限变更样本的版本记录租户、用户和文档级…

#模拟面试#简历项目#连续追问

项目实战·RAG

第 8 章:多轮对话与记忆管理

匹配正文：…重复或无关记忆污染当前回答。面试讨论长期记忆时,应结合场景说明去重、衰减、权限、生命周期和重要度等管理策略。长期记忆检索可以借鉴 RAG,但还要处理用户隔离、一致性、更新与删除等问题,不能简单等同于一次普通 RAG。 2.4 记忆存哪:三种存储组合使用记忆的存储要按"时效性 + 检索方式"分层选型,主流是三种组合: 记忆存哪:三种存储各管一段 Redis / 内存(短期):低延迟、高吞吐,按会话 ID 存最近几轮,配 TTL 超时失效。缺点:不能做语义模糊查。向量库(语义…

#RAG#检索#项目实战