匹配正文：答案要点区分检索失败类型（无结果/低质量结果）并设计不同策略查询改写与扩展的具体方法多路召回与混合检索的架构设计大模型自身知识的安全调用机制用户感知的透明反馈设计核心策略：分层兜底架构 1. 失败类型识别零结果：向量库返回空，检查embedding/索引问题低质量结果：有结果但相似度低于阈值，或Top-K结果差异过大 2. 查询侧优化（自动重试）原始Query → 同义词扩展/Query分解 → 多轮改写 → 重新检索 HyDE方式：用LLM生成假设文档，再…

#百度#小鹏#美团

面试题·检索· 字节

RAG检索质量差：Embedding与Rerank调优

匹配正文：…der 精排：比双塔模型准，但计算重置信度过滤：设置相似度阈值，低置信触发兜底或拒答工程权衡方案延迟效果增益适用场景查询改写 +50-100ms 中等用户 query 口语化严重 Cross-Encoder 重排 +100-300ms 显著对精度要求高，可接受延迟混合检索 +20ms 中等通用场景 baseline 实际落地建议：先上混合检索+轻量重排，再按需叠加复杂模块，同时建立 bad case 回流机制持续迭代。

#字节#检索故障诊断#检索质量优化

面试题·评估· 字节

RAG 文档检索选型

匹配追问：…具体融合策略是什么？直球架构说说你在RAG系统里用了哪些检索方法？技术选型怎么考虑的？针对检索效果做了哪些优化？比如索引切分、查询改写、重排序这些具体怎么落地？

← 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

#字节#混合检索#RAG 文档检索选型

面试题·Prompt· 百度

Prompt 优化策略有哪些?

匹配口述回答：…题也不同。角色描述主要帮助稳定任务边界，并不会给模型增加未知事实；Few-shot 能传递行为范式，但示例分布不匹配会把偏差放大；查询改写和 RAG 能补外部信息，也可能把错误或提示注入带入上下文；工具调用把计算和动作交给确定性系统，却新增了权限、幂等与副作用管理。多次采样适合探索候选，但多数输出一致不等于事实正确，而且成本会成倍增长。选择时要先说清楚失败类型，再解释这项技术为什么对症。 Prompt 还需要像代码一样治理。版本记录系统指令、用户模板、示例、上下文组装、模型和…

#百度#Prompt工程#Prompt 优化

面试题·检索· 阿里

RAG流程：检索到生成各阶段陷阱

匹配口述回答：…那个订单为什么没退款”，如果直接拿这个去搜，可能命中率很低。所以我会做两件事：一是意图识别，判断用户是想查订单状态还是问政策；二是查询改写，比如用 [[Hybrid Search]] 里提到的技术，把问题转成更规范的表述，或者补充同义词。这一步如果做不好，后面的检索方向就偏了，这是RAG失效最常见的入口。接下来是检索阶段，这是整个系统的天花板。检索质量决定了答案的上限。这里有个经典选择：用向量检索还是关键词检索。向量检索擅长语义匹配，比如“退运费险”能关联到“退货包运费”，…

#阿里云#重排与优化#向量检索

面试题·检索· 美团

RAG 流程各阶段怎么拆?

匹配追问：…相关的5篇?……最后怎么把这些文档和问题拼在一起让模型回答? 直球架构设计一个RAG系统,要求从前端用户提问到后端生成答案,涵盖查询改写、混合检索、重排序、上下文注入和生成,你详细说说每一阶段怎么做,用什么技术?

#美团#评估与监控#RAG 工作流程

面试题·检索· 美团

RAG 完整工作流程怎么跑?

匹配追问：…个重排序步骤有必要吗？……最后怎么把上下文塞进prompt里？直球架构请详细描述RAG系统的完整工作流程：从用户提问开始，涵盖查询改写、多路检索、重排序、上下文构造到生成答案。每一步具体怎么做，用了什么技术？

#美团#RAG全链路#RAG 工作流程

面试题·检索· AIlab

RAG 流程各环节优化陷阱

匹配追问：…请详细描述RAG的技术流程，从索引构建到检索再到生成，每个环节你能想到哪些优化手段？比如分块策略、embedding模型、重排序、查询改写这些，具体怎么用、有什么收益和权衡？

#AIlab#RAG链路优化#RAG 优化

面试题·检索· 小鹏

RAG检索优化：向量检索与重排序

匹配口述回答：…实问的是，在[[RAG]]系统里，怎么在保证检索精度的同时，把延迟和成本压下来。本质是个工程平衡问题。我主要从检索、[[重排]]、查询改写、混合方案几个方向来说。先说向量检索层。最常用的索引是 [[HNSW]]，它本质是图索引，在召回率和速度之间做得比较均衡。但有两个关键参数要调：M控制每个节点的邻居数，ef控制搜索宽度。M太小图会不连通，召回会崩；ef太大延迟就上去了。一般我会先拿业务数据跑一下，看Recall@100在什么水平，再决定参数。另一个常见优化是量化压缩，像 …

#小鹏#检索阶段优化#RAG 检索优化

面试题·检索· 字节

RAG 技术实现怎么落地?

匹配口述回答：…地时我一般会加上 [[BM25]] 做 [[Hybrid Search]]，两条路并行再合并结果。在线检索时，用户问题来了，先做查询改写，比如把“上个月的退款”扩展成“2025年3月的退款申请”，提升召回率。然后算相似度，取 Top-K，再用 [[Cross-Encoder]] 做 [[Rerank]]，把真正相关的排前面。最后组装成提示词，交给大模型生成答案，同时要求它引用来源。举个例子，客服系统里用户问“我买的东西降价了，能退差价吗？”如果只靠大模型，它可能瞎编一个政…

#字节#RAG应用场景#RAG 技术实现