匹配口述回答：…方向：当知识库频繁更新时，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…

#AIlab#RAG工作流#RAG 技术流程

面试题·检索· 字节

RAG检索方法选型原因？

匹配口述回答：…达标就回滚。因为很多问题只有线上数据才暴露得出来。其实还有一个延伸方向：当知识库频繁更新时，比如电商商品价格每天变，向量索引的增量更新怎么做才能不降低召回质量？这个我也有一些实践，比如用双缓冲影子索引加软删除。点题：本质是场景匹配与工程取舍密集检索 vs 稀疏检索：边界划分混合检索的设计动机和融合策略优化重点：重排和索引优化风险与收尾：判断姿态约4分钟知识库频繁更新时，增量向量索引的更新策略面试官可能会追问增量索引的实现细节、一致性保障、以及如何平衡实时性…

#字节#评估与监控#RAG 检索方法

面试题·检索· 字节

领域 RAG 架构如何控幻觉?

…大幅降低延迟。监控看板我会盯着检索命中率、生成引用率和用户满意度三个指标，形成反馈闭环。其实还有一个延伸点：当知识库频繁更新时，增量更新和检索质量之间怎么平衡？比如新法出台，旧法废止，怎么保证检索实时性又不影响召回？这块我有些实践经验，可以详细展开。 RAG本质是知识边界问题数据预处理：分块策略和术语对齐检索优化：混合检索加重排生成优化：引用溯源和幻觉检测工程落地：离线在线分离和缓存约4分钟知识库频繁更新时，增量更新与检索质量的平衡问题。面试官可能会追问增量更…

← 上一页第 4 / 4 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

匹配口述回答：

#字节#专业领域RAG#领域 RAG 架构

面试题·检索· 商汤科技

RAG 两阶段架构：模块与数据流

匹配口述回答：…aiss]]或者Elasticsearch，同时建好索引方便快速检索。离线阶段追求的是覆盖全、更新快，通常用定时任务或者事件驱动来增量更新，而不是全量重建。在线阶段就是用户来了一个Query，怎么用这个知识库生成答案。流程是这样的：用户Query进来，先做Query理解，比如改写或者扩展，因为用户可能输入得很随意，比如“退款多久到账”和“退货钱什么时候退”其实是一个意思。然后去向量库做检索，用向量相似度召回Top-K个候选文档。这里有个坑：纯向量检索容易漏掉精确匹配的场景，…

#商汤科技#两阶段文档处理#RAG 系统架构

面试题·检索· 阿里

RAG 召回又快又准靠什么?

匹配口述回答：…且只多几毫秒。不过要注意，重排模型不能太大，否则延迟会崩，我一般用BGE-Reranker那种轻量级的。可扩展性这块，我特别关注增量更新。要区分增量添加与删除。Faiss HNSW支持add，新向量不必每次全量重建；直接remove不支持，修改/删除需逻辑失效、重建或其它实现。并发写入与查询还要遵循具体线程安全约束。所以我会用支持segment机制的数据库，比如Milvus，新数据先写小segment，后台慢慢合并。或者用双缓冲策略：一个base索引只读，一个delta索引…

#阿里云#召回链路优化#RAG 召回优化

面试题·检索· 阿里

Hard Search vs Soft Search 怎么选?

匹配口述回答：…索引更新有延迟。比如用户刚点了一个新商品，索引还没更新，那下次检索就捞不到，导致推荐滞后。所以上线我会特别关注索引的实时性，比如用增量更新或者分层索引。另外Soft Search的温度调节也很关键，我一般会先设一个中等温度，然后根据验证集上的召回率来调。还有一个场景值得注意：如果候选池本身很小，比如只有几万个item，那Hard Search的优势就不明显了，直接全量Soft Search可能更简单。但大部分互联网场景都是亿级候选，所以两阶段还是主流。所以我会把SIM的检…

#阿里#Hard Search与Soft Search#SIM 模型