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检索方法如何优化？

匹配追问：…发货了没”，你会怎么去检索知识库？是用关键词匹配订单号，还是用向量找类似对话？这两种方法各有什么利弊，实际你会选哪种？层层追问 RAG系统里你一般怎么找相关文档的？……那如果用户问的问题很口语化，比如“那个东西能不能退啊”，纯关键词可能匹配不上，你怎么办？……混合检索的话，你怎么融合两种结果？权重怎么定？直球架构说一下RAG系统中常用的检索方法，对比优缺点。然后结合一个具体场景，比如法律文档检索，你会怎么选技术方案？后续性能优化你从哪几个方面入手？

#字节#RAG检索选型#RAG 检索方法

面试题·检索· 虾皮

RAG 流程优化：检索与重排陷阱

匹配正文：答案要点完整描述RAG的5个核心环节（文档处理、向量化、检索、重排序、生成）每个环节至少给出2个具体优化方法体现对实际工程问题的理解（如召回率vs精确率权衡）提及评估和迭代闭环 RAG系统可分为5个核心环节，每个环节的优化策略如下： 1. 文档预处理与分块核心问题：分块粒度决定语义完整性和检索精度优化策略：语义分块：用BERT等模型识别主题边界，而非固定长度层次结构：保留文档层级（标题-段落-句子），支持多粒度检索元数据增强：添加时间、来源、类别等标签用于过…

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

#虾皮#RAG全链路优化#RAG 流程优化

面试题·检索· 字节

RAG 系统实现：组件与流程

匹配正文：答案要点清晰描述RAG的两大核心阶段（检索+生成）及数据流向说明索引构建的关键步骤（文档切分、向量化、存储）列举至少2种检索策略（如混合检索、重排序）及适用场景提及RAG的典型优化方向（查询改写、上下文压缩、多路召回）能指出实现中的常见陷阱（如切分粒度、语义漂移） RAG核心架构：两阶段流水线索引阶段（离线）文档处理：按语义/固定长度切分chunk，控制256-512 tokens，保留上下文重叠向量化：用Embedding模型（如BGE、M3E、OpenAI…

#字节#RAG系统实现#RAG 实现

面试题·检索· 美团

RAG 系统核心组件怎么搭?

匹配正文：…或多路召回生成候选。对不同分数做校准、RRF 融合或独立重排，避免直接相加不可比的原始分数。用 Cross-Encoder 或领域 Reranker 对候选精排，并保留召回器、索引和模型版本。查询改写、HyDE 和子查询分解只在离线与端到端评测证明有效时启用，因为它们也可能引入偏移。三、生成器集成候选去重、裁剪、排序并附来源标识后，与用户问题和回答约束一起组装上下文。长文档压缩可能丢证据，应保留原文映射。模型输出引用后，服务端校验引用是否真实支持对应 claim；资…

#美团#RAG工程实现#RAG 系统实现

面试题·检索· 美团

RAG 系统有哪些常见陷阱?

匹配追问：…出5段内容，但最后生成答案时却忽略了最相关的两段，或者把两段矛盾的信息混在一起回答——你觉得这种问题可能出在哪个环节？层层追问 RAG系统里检索回来的内容你怎么喂给模型？……如果一次检索了10段，但上下文窗口只能塞5段，你怎么办？……那你怎么保证选出来的5段是最有用的，而不是重复或者无关的？直球架构实现一个RAG系统，从检索质量、上下文处理、生成效果三方面，你觉得哪些技术细节最关键？常见的坑有哪些？比如分块策略、重排序、幻觉抑制这些，说说你的经验。

#美团#RAG常见陷阱#RAG 系统陷阱

面试题·检索· 360

RAG 召回准确性：三大失败场景

匹配追问：场景切入假设你在做电商客服RAG，用户问“订单怎么还没到”，系统得从知识库召回物流规则。你怎么评估召回来的文档是不是真的相关？如果召回结果不准，你会从哪些方面去提升？层层追问在RAG系统里，你怎么保证召回文档的相关性？……指标用什么？……如果召回率低，你会先优化检索模型还是数据？……重排序怎么加进去？直球架构请系统性地讲一下RAG中召回文档相关性和准确性的评估与提升方法，包括检索模型选择、数据质量治理和重排序策略，具体怎么落地？

#360#召回质量评估#RAG 召回优化

面试题·检索· 字节

RAG 向量检索怎么高效召回?

匹配追问：…个手机拍照怎么样’，你从向量库召回相关文档。如果直接拿这句话去检索，和实际匹配的文本块之间经常有语义偏差，你怎么处理？层层追问 RAG的检索模块你一般怎么设计？……那如果用户查询很短，比如‘退货’，你怎么保证召回率？……除了向量检索，你还会考虑别的召回方式吗？……你觉得哪些因素最影响召回效果？直球架构设计RAG系统的检索模块，从用户查询到高效召回相关文本块，你会考虑哪些关键步骤？影响召回效果的核心因素有哪些？请从表示、索引、检索、系统几个层面分别说说。

#字节#向量数据库召回#RAG 向量检索

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· 美团

RAG 知识库搭建流程?

匹配追问：…、售后政策这些文档都喂进去。你拿到一堆PDF和Word，第一步会怎么处理？从原始文档到能检索的知识库，关键步骤有哪些？层层追问 RAG系统里知识库的构建流程你了解吗？……文档进来之后，你是怎么把长文本切成小段的？……切完怎么转成向量存起来？检索的时候怎么保证又快又准？直球架构直接说，搭建一个RAG知识库，从文档预处理、分块、向量化到索引构建，整个流程你怎么设计？每个步骤选什么工具或策略？为什么？

#美团#RAG 知识库搭建#文档预处理

面试题·RAG· 字节

RAG 检索增强技术有哪些？

匹配追问：…个电商客服系统，用户问“这款手机和那款比哪个好？”，你直接用问题去向量库搜，结果可能不理想。你一般会怎么优化这个检索？层层追问 RAG系统里检索质量怎么提升？……除了向量检索，还有哪些增强手段？……比如查询侧可以做什么？索引层面呢？直球架构在RAG系统中，除了标准向量检索，还有哪些方法能提升检索阶段的质量？请从查询优化、检索策略、精排、索引等多个层面列举具体技术。

#字节#HyDE#RAG 检索质量

面试题·检索· 字节

RAG检索方法选型原因？

匹配追问：场景切入假设你在做一个电商客服的RAG系统，用户问“我的订单怎么还没到”，系统需要同时理解“订单延迟”这个语义，又要精确匹配订单号。你实际会怎么设计检索策略？层层追问 RAG里你一般怎么从文档里找答案？……如果只用向量检索，碰到“iPhone15”这种精确型号会不会漏？那你怎么把精确匹配加进来？……两个结果怎么融合？直球架构在RAG系统中，你采用了哪些检索方法？请说明选型原因，并讨论至少两种优化策略，包括索引、查询或重排序方面的具体手段。

#字节#评估与监控#RAG 检索方法

面试题·模型架构

上下文窗口是什么?超了怎么办?

匹配正文：…简单;关键信息可能被丢,用户感觉「失忆」摘要压缩把久远内容总结成短摘要放回上下文保留主干;细节丢失,摘要本身也要耗一次调用 RAG 长资料切块存入向量库,提问时只检索最相关的几块塞进上下文资料可以无限大;但引入「检索质量」这个新变量实际工程的组合拳成熟的对话系统通常是:最近几轮对话保留原文 + 更早的对话滚动摘要 + 领域知识走 RAG,三者拼成最终的 prompt。入门后可以深入长上下文外推技术(RoPE 插值、YaRN),以及「窗口大了但中间内容记不住」的 …

#入门#基础概念#上下文窗口

求职指南·RAG

混合检索、RRF 与重排项目模拟面试

匹配正文：…成本记录空召回、超时、分数漂移和索引版本监控模型、索引或融合参数的回退开关与验证记录下一步：extension。配套学习：RAG 三大瓶颈与迭代策略。 11. extension · extension 如果候选规模扩大十倍且延迟预算减半，你会调整召回并行度、重排深度还是模型层级？考察重点：测试约束变化后的迁移、容量和风险判断能力。容量、数据量或租户增长的量化模型新约束下的方案调整与代价配套学习：垂直领域 RAG 完整架构。评分与复盘 dimension：o…

#模拟面试#简历项目#连续追问

项目实战·Agent

第 1 章:为什么需要 Deep Research

匹配正文：…小、想低运维)」把三边对齐着比较、还要标清楚每个结论的出处。这是一连串带判断的动作,不是一次「查 → 拼」。那一版上线后,带队的架构师原话是:「它像个只会查一次的实习生,而我要的是一个会自己做技术调研的架构师。」这句话,就是 Deep Research 和普通 RAG 的分水岭。普通 RAG 是「查一次就回答」;Deep Research 是「像调研员一样,自己规划、反复查、交叉验证,最后写出有依据的报告」。一张图先看个全貌: 普通 RAG vs Deep Resear…

#Agent#Deep Research#项目实战

项目实战·RAG

第 3 章:文档预处理与切分

匹配正文：…学到位没。关联面试题(5 道,覆盖 5 个角度) 从预处理一路到评估,刻意避免全是"切分策略"换皮。【预处理/清洗】面向专业领域的 RAG,如何对原始文档做清洗和预处理以提升检索与生成质量? 较难 → 【策略对性能的影响】文本分块策略如何影响 RAG 系统的性能?常见分块方法及适用场景? 较难 → 【粒度与重叠】你是如何设计分块策略的?说明粒度选择、重叠处理以及向量库写入。中等 → 【上下文 vs 精度权衡】分块策略如何设计才能平衡上下文完整性与检索精度? 较难…

#RAG#检索#项目实战

项目实战·RAG

第 4 章:Embedding 选型与向量化

匹配正文：…理解向量库 + ANN 索引,讲清 HNSW vs IVF 的区别和"近似"二字的含义 ✓ 知道通用模型为什么对行业黑话不准,以及领域微调的思路本章按三段式组织,不同基础的读者各取所需: 段落给谁看内容占比 🚀 Part 1 · 主线实战零基础,想先跑起来概念白话 + 玩具向量化代码 ~50% 🎯 Part 2 · 面试深度想讲透、备战面试模型选型 + 向量库索引 + 微调 ~40% 🏆 Part 3 · 验收串题检验学到位没关联面试题 + 自检清单…

#RAG#检索#项目实战

项目实战·RAG

第 10 章:系统评估与上线优化

匹配正文：…确认"答案确实能由标注的证据推出"; 覆盖 + 平衡:难度要分层:既有"犹豫期多久"这种事实题,也要有需要综合多段的多跳复杂题;多领域时各领域题量要均衡。业内行话:ground-truth 证据(答案来自哪个 chunk)是检索和生成评估的重要基础:检索段用它判断是否找到目标证据,生成段用它检查答案是否受到证据支持。评估集规模应由查询分布、风险和期望覆盖决定;比固定题数更重要的是记录来源、标注规则、分层覆盖和复核流程。 2.3 检索段 vs 生成段:分开评才能定位问题 RA…

#RAG#检索#项目实战

面试题·Agent· 小红书

冷启动新用户怎么推荐?

匹配正文：…与相似用户做embedding对齐社交关系特别处理：用GNN学习"好友兴趣分布"作为先验，但引入关系强度门控避免过度泛化。四、RAG增强的生成机制检索源：平台热门内容摘要、相似用户的高频交互、领域知识图谱（如"露营→装备清单"）生成增强：将检索结果作为few-shot示例注入prompt，约束生成内容的平台相关性反思机制：生成后自检"该推荐是否过于热门/是否利用了已知信息"，触发重生成五、落地关键快速反馈闭环：首屏3次交互内必须完成兴趣初筛，否则用户流失生成内…

#小红书#Agent#冷启动推荐

面试题·Agent· 百度

Agent 规划记忆工具调用机制

匹配正文：…化，过粗导致失控记忆压缩语义摘要+关键实体提取平衡信息保真与上下文长度工具权限分级管控+人工确认阈值安全与效率的折中 RAG触发意图识别驱动，非每轮必检减少延迟，聚焦必要场景学习建议建议先掌握大模型基础原理，再学习Agent典型架构（如ReAct、Plan-and-Execute），通过开源项目动手实践，理解各模块协作机制。

#百度#Agent#Agent 系统设计

面试题·文档处理· 字节

长文档 Chunking 怎么选?

匹配追问：…忌’，病历里可能包含一整段医嘱。你怎么把几页的病历切成小块，既保证检索时能找到，又不会丢失‘禁忌’和‘用药’的关联？层层追问做RAG时文档切块你会怎么切？……如果文档是法律条文，有编章节条款，直接按固定长度切好不好？……那对于医学指南，里面有很多术语和逻辑链条，你用什么策略来保留语义完整？直球架构设计一个面向专业领域的RAG系统的文本切块模块，要系统性地列出常见策略，分析它们的原理、优缺点，并针对医学和法律场景说明你推荐哪种切法以及为什么。

#字节#RAG Chunking#长文档切分

面试题·文档处理· 字节

医学论文与法律条文切块

匹配追问：…条，结果检索出来的chunk把一条法条拦腰截断了，回答就错了。你觉得这种情况怎么避免？你会怎么切专业文档的块？层层追问你平时做RAG文本切块一般怎么切？……如果文档是医学论文或者法律条文呢，还按固定长度切吗？……那怎么保证切出来的块语义完整、能直接回答用户问题？直球架构在RAG系统中，对专业领域文档（比如医学文献、法律条文）进行文本切块，你有哪些策略？每种策略适用什么场景？另外，法律条文和医学文献有什么特殊的切法？

#字节#医学论文与法律条文切块#医学论文和法律条文为什么要用不同的切块策略

面试题·文档处理· 字节

医疗法律文档切块

匹配追问：…返回了半句诊断和一个检查结果，完全答非所问。你觉得问题大概率出在文档切块上？具体你会怎么切病历和指南这类文档？层层追问你平时做RAG时，文档切块一般怎么考虑？……那如果文档是法律合同，有嵌套条款和引用，你还会用固定长度切吗？……所以针对这种强结构、强引用的专业文档，你觉得关键策略是什么？直球架构在医疗或法律领域的RAG系统中，文本切块需要怎么设计？请你对比固定长度、递归字符、语义、结构感知和智能体这几种策略，说说它们的优缺点，以及你会选哪种并如何做元数据增强。

#字节#医疗法律文档切块#医疗和法律文档怎么切块？结构、语义与引用边界

面试题·模型微调· 滴滴

大模型落地技术范式怎么选?

匹配正文：…ICL) 示例驱动，无需参数更新小样本分类、风格迁移灵活快速；受上下文长度限制工单分类、情感分析微调(SFT/PEFT) 领域数据适配模型参数垂直领域、稳定需求效果深度定制；数据/算力成本高滴滴司机调度策略模型 RAG 检索+生成，外挂知识库知识密集型、需可解释解决幻觉、实时更新；检索质量决定上限智能客服、合规审查 Agent 工具调用+规划+记忆，自主决策复杂任务、多步推理能力边界扩展；稳定性、安全难控自动派单、行程规划选型决策框架第一步：需求…

#滴滴#模型微调#Agent