匹配口述回答：…杂问题效果好，但成本和延迟高。我一般只在需要多跳推理、且对准确率要求极高的场景才推荐，比如风控合同审查。所以整体上，我更倾向先做检索质量优化，再考虑生成增强，因为检索是入口，入口不干净后面都是白搭。一句话定位：RAG痛点本质是检索和生成之间的匹配缺口检索噪声：表现、根源、混合检索加重排的改进，落地风险上下文稀释：表现、根源、动态压缩和排序策略，边界划分语义鸿沟：HyDE和知识图谱的思路，适用场景判断收尾与可延伸点：GraphRAG的取舍，追问点约4分钟 Grap…

#淘天#知识图谱#RAG 痛点

面试题·Prompt· 字节

RAG生成阶段Prompt整合策略

匹配口述回答：这道题其实问的是：在[[RAG]]的生成阶段，怎么把一堆检索回来的文档整合进Prompt，让模型既准确又有依据，还能连贯回答。说白了，核心就是平衡两件事，一是文档和问题的相关性，二是模型输出的可控性。我不会一上来就堆策略，而是先想清楚这个Prompt到底该怎么组织。我一般会用一个四层架构来设计。先讲第一层，上下文预处理。这块不能把检索结果直接往里塞，得先做筛选、排序和去重。比如相关性分数低于阈值的直接扔掉，保留Top-K，通常是3到5篇。排序上我会综合[[BM25]]分数、…

#字节#Prompt工程#RAG Prompt 设计

面试题·Prompt· 字节

RAG 生成阶段 Prompt 怎么构建?

…‘根据某年某月版本’。说到这，其实还有一个更激进的方向，让模型自己决定要不要调用检索，而不是每次都硬塞上下文。比如[[Self-RAG]]的思路，模型先生成一个初步答案，再判断是否需要检索补充。这个在知识库更新频繁的场景特别有用，但实现复杂度也高。所以整体上，我更倾向于根据不同场景组合使用模板：客服退款这种高频简单问题，经典QA式加引用标记就够了；政策解读这种依赖多段资料的，就加动态Few-shot和重排序。核心前提是检索质量要过硬，否则Prompt设计得再好也白搭。一…

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#Prompt工程#RAG Prompt 构建

面试题·Prompt· 商汤科技

RAG Prompt 模板设计陷阱

匹配口述回答：这道题我觉得本质是在问：[[RAG]]系统里，你怎么通过prompt设计让大模型真正「用」你给的资料，而不是「编」答案。说白了，就是怎么让模型在检索增强的框架下，做到既精准又可信。我一般会从三个层面来拆。先看结构分层。我会把prompt分成三块：系统指令、检索上下文、用户查询。系统指令定规矩，比如「只用参考文档，不准用预训练知识，信息不足就说不知道」；检索上下文就是top-k片段，每条带上编号、来源、相关性分数；用户查询就是原始问题。这样模型能清楚知道哪些是事实，哪些是问题…

#商汤科技#Prompt工程#Prompt 模板设计

面试题·RAG· 淘天

RAG 核心架构与工作流程

匹配口述回答：…过来，纯模型在通用创意写作、开放式闲聊、常识推理这些场景更合适，因为不需要外部事实约束，知识已经内化在模型里了。但真正落地时，往往RAG和微调一起上，比如用RAG做实时知识检索，同时用微调让模型更懂业务术语和回答风格。落地时有个前提：检索质量必须高。如果召回文档不相关或遗漏，生成结果肯定差。常见失败场景是，用户问'对比A和B产品的差异'，但检索分别返回A和B的独立介绍，没有对比文档，模型很难自己归纳差异，这是RAG在综合推理类问题上的天然瓶颈。我上线时会特别关注检索的召回率…

#淘天#阿里#RAG 架构

面试题·RAG· 字节

RAG 怎么提升生成质量?

匹配口述回答：…：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，但修改和删除怎么处理？我倾向用软删除加异步重建，避免原地动图索引导致检索质量崩掉。总的来说，我会把RAG看成给LLM配了个外挂硬盘，需要时查资料，不用死记硬背。检索负责提供事实，生成负责组织表达。我更倾向在工程上把检索质量和生成约束都管好，而不是迷信任何一个单一方案。一句话定位：RAG解决的是大模型知识不新、不私有、不可控的问题边界划分：RAG适合事实更新和知识注入，SFT适合行为风格和稳定性真实业务场景：…

#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：这道题问的是[[RAG]]检索模块，其实本质是问怎么在召回率和精度之间做工程取舍，而不是单纯讲流程。我按自己的理解来拆解一下。先说检索模块怎么工作。核心就三步：第一步，离线把文档切碎，然后用 [[Embedding]] 模型编码成向量，存到 [[Vector Database]] 里。第二步，用户来了一个查询，同样编码成向量，然后做 [[ANN]] 近似最近邻搜索，召回 TopK 候选。第三步，把结果和元数据拼起来，送到生成模块。这里面有个容易忽略的细节：切分策略直接影响检…

#字节#Query Rewriting#RAG 检索模块

面试题·RAG· 字节

医疗法律RAG架构怎么搭？

匹配口述回答：…有些问题模型本身就知道，不需要检索，能省不少延迟。但它的可靠性还需要验证，比如模型误判了该检索却没检怎么办。所以整体上，我会把 RAG 看成一种「知识库在前、模型在后」的协作模式，核心是让模型做它擅长的事，理解和生成，而把事实性交给检索。前提是检索质量要足够高，否则模型再强也是白搭。我更倾向在检索层多下功夫，而不是在生成层硬约束。一句话定位：本质是知识库与LLM的边界划分检索模块：多路召回+重排，边界与前提生成模块：Prompt约束与引用溯源知识更新：增量与软删除…

#字节#专业领域RAG#RAG 系统设计

面试题·RAG· 字节

RAG 怎么提升事实准确性?

匹配口述回答：…服场景。用户问“我买的衣服退货期限是多少？”如果模型只靠参数知识，它可能回答“7天”，但不同商品、不同活动期间退货政策完全不同。用RAG的话，我们会先把所有退换货政策、满减规则、特殊活动说明都做成文档库。用户提问时，系统检索出对应的政策段落，比如“双十一期间购买的服装，支持30天无理由退换”，然后让大模型基于这段内容生成答案。这样准确率就高很多，而且政策更新时只需要改文档，不用重新训练模型。这里有个坑：检索质量直接决定RAG的上限。如果检索回来的内容不相关，模型再强也白搭。…

#字节#RAG工作原理#RAG 工作原理

面试题·RAG· 美团

RAG 知识库怎么增量更新?

匹配口述回答：这道题其实问的是，当你有一个[[RAG]]系统，知识库里的文档在持续新增，你怎么保证索引能跟上，又不把检索质量拖垮。本质是在实时性、检索质量和一致性之间找平衡。先说边界划分。常见的策略有三类：实时增量、批量重建、双缓冲切换。实时增量就是直接往[[HNSW]]这种支持动态插入的索引里加数据，延迟最低，适合高频小批量更新，比如用户实时反馈导致的知识点修正。但代价是频繁插入会让图索引结构退化，检索精度慢慢掉下来，所以得定期重建。批量重建适合低频大批量更新，比如每天凌晨跑一次全量，…

#美团#知识库增量索引#RAG 增量更新

面试题·RAG· 淘天

现代 RAG 架构怎么变?

匹配口述回答：…会发现，如果检索出来的文档里有“7-15个工作日”这种通用规则，而用户的订单其实已经触发异常需要人工介入，传统方法就回答不准。现代RAG系统会怎么做？它可能先用一个检索器召回订单详情和退款状态，然后生成器通过cross-attention把这些结构化信息融合进去，甚至主动判断需要再查一下物流状态，做一次多跳推理。但这里有个前提，就是检索质量要够高。如果底库里的文档质量参差不齐，或者召回率不够，那融合得再好也没用。我上线时特别关注的是检索的召回率和精确率的平衡，一旦检索结果里…

#淘天#RAG端到端训练#现代 RAG 架构

面试题·检索· 美团

RAG 完整工作流程怎么跑?

匹配口述回答：…请说‘无法回答’”。后处理还可以做归因校验，把答案里的关键实体和来源文档对应起来。说到归因，其实现在有个趋势是用 [[Self-RAG]] 让模型自己判断哪些段落可信、哪些需要再查，而不是靠外部规则。这块我觉得是RAG往更鲁棒方向演进的思路。所以我会把RAG看成检索和生成的分治协作：检索阶段容忍噪声保召回，生成阶段靠重排和Prompt约束保精度。如果让我选一个最值得投入的方向，我会优先优化检索质量，因为检索是RAG的天花板，生成只是把天花板之内的东西用好。 RAG本质…

#美团#RAG全链路#RAG 工作流程

面试题·检索· 字节

RAG 检索优化:重排序怎么用?

匹配口述回答：这道题问的是[[RAG]]系统里怎么提升检索质量，我觉得本质上是在问怎么在召回率和精确率之间做工程取舍。因为单纯靠向量相似度，说白了就是一个语义匹配，但用户query往往不完整、有歧义，而且知识库里可能既有长文档又有短片段，单一路径很难覆盖全。所以我会从检索前、检索中、检索后三个阶段来考虑，具体说一下。先说检索前，也就是查询优化。用户输入经常很随意，比如“苹果最新政策”，你根本不知道他问的是水果还是公司。这时候我会先做查询改写，用LLM把query补全成更清晰的表达，比如“…

#字节#混合检索#RAG 检索优化

面试题·检索· 淘天

Naive RAG vs Advanced RAG 区别?

匹配追问：…什么时候到’，你检索了相关文档回答。但如果用户接着问‘那我能改地址吗’，这时候你是直接检索新问题，还是把上一轮的信息也带进去？这种RAG你们一般怎么设计？层层追问 RAG的基本流程你肯定知道，先检索再生成……但实际中检索质量不好怎么办？……比如用户问的问题和文档表述差距很大，或者需要多步推理，你有哪些手段优化？直球架构请你对比Naive RAG和Advanced RAG，重点说清楚它们在架构上的主要区别，以及各自适合什么场景？

#淘天#重排与优化#Naive RAG

面试题·检索· AIlab

RAG流程优化：三大层面策略

匹配口述回答：这道题其实问的是，怎么让[[RAG]]在真实场景下真正好用，不光是跑通流程。核心就一句话：把所有优化手段看成在检索质量和生成质量之间找平衡，而不是单纯堆技术。我分几个层面讲一下。先说检索层。这里最容易出问题的是[[分块]]策略。很多人上来就固定切512个token，但实际效果很差。比如做客服问答，用户问“退款流程”，如果你把整个退款条款切成一个块，那没问题；但如果问“七天无理由退货的运费谁出”，答案可能散落在不同段落里。所以我会按语义结构来分，比如标题-内容层级，或者用[[…

#AIlab#RAG流程优化#RAG 优化

面试题·检索· 百度

RAG 文档处理与检索策略怎么搭？

匹配口述回答：这道题其实在问，怎么给大模型配一个能随时更新的外挂知识库，让它回答时能引用真实资料，而不是全靠训练时记住的那点东西。我理解[[RAG]]的核心是三个环节：离线把文档处理好、在线把相关片段找出来、最后把检索结果喂给模型生成答案。先说离线阶段。文档进来，得先解析，PDF、Word、网页这些格式不一样，表格和图片还得[[OCR]]。接下来是清洗，去噪、脱敏。最关键的其实是[[Chunk]]分块，怎么切直接决定检索质量。固定按512个字符切，简单但容易把语义切碎。我倾向用语义边界检…

#百度#RAG检索策略#RAG 系统架构

面试题·检索· 高德

RAG 组件功能与数据流向?

匹配口述回答：…[[Cross-Encoder]]模型精排，把最相关的几条排到前面。我通常只保留前三到五条，太多会稀释有效信息。这里有个坑，就是检索质量。如果知识库里本身就有错，或者分块不合理，检索结果全是无关的，那LLM再强也白搭。所以我上线前一定会做召回评估，看Recall@K和MRR，确保检索质量达标。另外，RAG和微调不是二选一。微调适合让模型学会特定格式或风格，但知识更新慢。RAG适合动态知识，比如价格、库存、政策。真正落地往往是两者结合：微调让模型理解业务语义，RAG提供实时知…

#高德#RAG数据流#RAG 工作流程

面试题·检索· 字节

RAG 架构组件与失败场景

匹配口述回答：…点：即使检索做得好，模型也可能自己编。我会在生成后加一层验证，比如用另一个轻量模型检查答案是否忠实于检索文档，或者用[[Self-RAG]]让模型自己反思。但这就涉及成本和延迟的权衡了，不是所有场景都需要。最后说说我的判断。RAG落地的前提是知识库质量够高，如果文档本身错误百出，再好的RAG也没用。所以我会把RAG看作一个系统工程，检索是上限，生成是下限，检索质量决定了你能拿到多好的信息，而生成只是把这些信息组织好。我更倾向于在检索和重排序上多花功夫，而不是在Prompt上…

#字节#RAG组件协同#RAG 系统架构

面试题·检索· 字节

领域 RAG 架构如何控幻觉?

匹配追问：…一堆法条和判例里捞内容。第一个环节就是数据预处理，那些PDF判决书、带修订的法律条文，你是怎么把它变成能用检索的东西？层层追问 RAG系统的关键是检索质量。你一般怎么保证召回来的文档是相关的？……如果用户问‘工伤认定’，数据库里既有‘工伤保险条例’又有‘职业病防治法’，你怎么让最准的那个排前面？……再具体点，光靠向量检索不够吧？结合关键词或者知识图谱怎么做？直球架构设计一个医疗领域的RAG系统，数据预处理、检索优化、生成优化三个环节你分别怎么实现？重点说检索优化里的混合…

#字节#专业领域RAG#领域 RAG 架构

面试题·检索· 美团

RAG 检索器与生成器如何协同？

匹配口述回答：…其实 [[Naive RAG]] 和 Advanced [[RAG]] 的核心区别不在于索引，而在于检索策略。比如 [[Self-RAG]] 让模型自己判断是否需要检索、检索结果是否够用，不够就迭代检索多次。这个方向我觉得比单纯优化 Embedding 模型更有价值，因为它解决了“什么时候该查、查几次”这个根本问题。所以整体上，我更倾向把 RAG 看作一个检索优先的系统，生成器只是把检索结果包装成自然语言。如果检索质量不够好，再强的生成器也救不了。上线前我会用 [[RAGA…

#美团#RAG架构#RAG 系统架构

面试题·检索· 百度

检索失败时 RAG 怎么兜底?

匹配口述回答：这道题其实是在问，当检索这个环节失灵了，系统怎么还能给出一个靠谱的答案。本质上是[[RAG]]系统的边界问题，就是知识库覆盖不到、或者检索质量差的时候，怎么保证不崩。先说清楚，检索失败不只是没结果。我一般会先区分两种：一种是零结果，[[向量库]]什么都没返回，这可能是[[embedding]]或者索引有问题；另一种是低质量结果，有东西但相似度不够，或者Top-K之间得分差距太大，这种其实更常见更麻烦。对零结果，我第一反应不是直接放弃，而是查一下是不是Query本身有问题。…

#百度#小鹏#美团

面试题·文档处理· 字节

专业领域文档怎么清洗?

匹配标题与标签：专业领域文档怎么清洗? RAG 系统中文档预处理策略,提升检索与生成质量文档处理字节 RAG 文档清洗文档预处理 RAG 检索质量专业领域 RAG 字节

#字节#RAG 文档清洗#文档预处理

面试题·模型微调· 美团

Reranker 训练数据怎么构造?

匹配题目：…重排序（Reranker）模型时，如何系统地设计和构造用于微调的训练数据集？请详细说明正负样本的选择策略、标注方法、数据来源及其对RAG流程中检索质量的影响。

#美团#重排与优化#Reranker 训练数据

面试题·RAG· 蚂蚁

增量式向量索引怎么更新?

匹配标题与标签：增量式向量索引怎么更新? 知识库频繁更新场景下实时/准实时更新机制设计,保证检索质量 RAG 蚂蚁增量式向量索引向量索引更新实时更新知识库频繁更新检索质量蚂蚁

#蚂蚁#增量式向量索引#向量索引更新