匹配正文：…LongLLMLingua）、引用溯源、拒绝回答机制（检索不足时）降低幻觉，提升可信度关键权衡召回 vs 精度：粗排用大模型Embedding保证召回，精调用Rerank提升精度延迟 vs 质量：实时性要求高时，可跳过Rerank或用小模型替代成本 vs 效果：HyDE用一次LLM调用换检索质量，需评估ROI

#AIlab#RAG链路优化#RAG 优化

面试题·检索· 字节

匹配正文：…SLO分别测编码、检索、重排、TTFT与生成TPOT；完整回答时长受输出长度影响，不套统一500/100/400ms预算。成本：Embedding调用费用 vs 精排模型部署成本效果边界：候选漏召回限制基于该证据集的作答，但高Recall不保证忠实生成；解析、权限、重排、上下文选择与生成均会影响端到端质量，不能把生成模型当质量下限保证。参考资料 Faiss官方索引、增量与存储 Milvus官方标准与迭代过滤 IRCoT原论文:多步推理与迭代检索

#字节#向量库与重排序#RAG 架构设计

面试题·检索· 美团

RAG 系统有哪些常见陷阱?

匹配正文：答案要点检索阶段：分块策略、embedding选型、多路召回、重排序优化上下文处理：窗口长度控制、冗余去重、相关性过滤生成阶段：prompt工程、引用溯源、幻觉抑制系统层面：延迟优化、缓存策略、离线评估体系一、检索质量分块策略按语义分块优于固定长度，可用LLM辅助判断边界块大小一般256-512 tokens，需保留上下文重叠（overlap）表格/代码等特殊内容需单独处理，不能粗暴切分 Embedding与召回领域数据务必微调embedding，通用模型…

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

#美团#RAG常见陷阱#RAG 系统陷阱

面试题·检索· 高德

RAG 系统实现流程怎么搭?

匹配正文：…检索：多轮检索-生成，逐步细化答案（如Self-RAG）关键权衡点召回 vs 精确：分块粒度、检索Top-K数量延迟 vs 质量：是否做重排序、模型大小选择成本：Embedding调用、向量存储、生成token消耗

#高德#RAG结果融合#RAG 实现流程

面试题·检索· 360

RAG 召回准确性：三大失败场景

匹配正文：…e等），注意领域适配混合检索：BM25 + 向量分数加权融合，或RRF（Reciprocal Rank Fusion）合并结果 Embedding优化领域微调：用业务数据对比学习训练查询改写：HyDE（生成伪文档再检索）、Query2Doc扩展三、重排序（Rerank）策略交叉编码器（Cross-Encoder）：精度高但慢，适合精排Top100→Top10 ColBERT等轻量方案：平衡效率与效果多任务学习：结合点击日志训练排序模型四、数据质量治理问题类型 …

#360#召回质量评估#RAG 召回优化

面试题·检索· 美团

混合检索怎么提升 RAG 召回?

匹配正文：…尺度。 Dense/DPR 类双塔分别编码 query 和 document，再用点积、余弦或距离检索。点积同时受方向和模长影响；向量做 L2 归一化后，点积排序与余弦排序等价。模型质量取决于训练域、负样本和文档切分。融合与评估可对两路候选取并集去重后用 RRF 按名次融合；也可校准两路分数后加权，或交给 cross-encoder 重排。RRF 不要求原始分数同尺度，但仍需调节候选深度和常数；分数加权必须防止尺度漂移。应分别报告 BM25、Dense 与 Hybrid…

#美团#混合检索#混合检索 Hybrid Retrieval

面试题·检索· 字节

RAG Retriever 工作机制详解

匹配正文：…型特点稀疏检索词袋模型 + 统计权重 BM25、TF-IDF 精确匹配，可解释强，适合关键词查询稠密检索双塔编码器，语义向量相似度 DPR、Contriever、BGE 语义理解好，泛化能力强，需GPU推理关键技术组件向量数据库与索引存储：FAISS、Milvus、Pinecone 存储文档Embedding 索引结构：HNSW（图索引，快但内存大）、IVF-PQ（磁盘友好，略慢）量化：FP16/INT8降低存储，平衡精度与速度与Generator的协同 …

#字节#Retriever#RAG Retriever

面试题·检索· 拼多多

ANN 索引怎么构建?

匹配正文：… IVF：nlist（聚类中心数）与nprobe（查询桶数）联合扫描；4×√N只是某些配置的起点，还要检查训练样本、簇分布与延迟/质量曲线。量化：PQ按子向量编码，SQ按坐标量化；码长、校准/训练和具体数据共同决定存储与误差，不能预设SQ一定更准。 4. 构建与部署下面是省略import与数据准备的Faiss流程示意。dim需与向量匹配并能被PQ的子向量数32整除，训练样本要覆盖分布且足以训练4096粗簇和PQ码本。这里HNSW用于搜索IVF粗聚类中心，不是对召回候选做H…

#拼多多#ANN索引构建#ANN 索引构建

项目实战·RAG

RAG 智能问答系统

匹配正文：… RAG → 技术架构:四大模块 + 两条链路教学实现拆成文档处理、检索、重排、生成四个模块，并区分离线建库与在线问答两条链路。向量库只是检索组件之一，实际还要验证解析质量、切分边界、关键词召回、权限过滤、引用一致性与拒答策略。每个模块是否有效，都需要在固定评测集和明确约束下单独验证。继续读完整版 · 第 2 章 RAG 整体架构 → 用风险场景检验设计否定条件被切散教学风险演练:一段制度先陈述适用范围，随后用「但以下情况除外」补充限制。固定长度切分可能把主句和否定条…

#项目实战#RAG 智能问答系统

学习路线·学习路线

大模型应用开发学习路线

匹配正文：…话 → 评测与上线”推进。系统学习：RAG 智能问答系统项目验收：25 道 RAG 项目面试题必须留下的证据：资料样本、解析质量检查、评测集构造、基线、对照实验、bad case、引用与权限边界不要把“用了向量库”当项目亮点。面试官更关心的是：资料为什么检索不到，你怎样定义正确，改了哪一层，哪些问题仍然解决不了。 Agent 主线：适合工具调用、业务自动化与状态工作流按“架构与规划 → 工作流与状态 → 工具与安全 → 记忆与存储 → 多智能体与评估”推进。入门实…

#学习路线#RAG#Agent

求职指南·RAG

混合检索、RRF 与重排项目模拟面试

匹配正文：…和状态变化。端到端组件、数据流和每层输入输出关键接口与约束如何影响设计下一步：tradeoff。配套学习：BM25 vs 向量检索 vs 混合检索怎么选?。 4. tradeoff · tradeoff 为什么选 RRF 而不是归一化加权？RRF 常数、各路 top-k 和重排深度如何确定？考察重点：验证选型来自真实约束和对比，而不是技术名词堆砌。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：RAG检索质量提…

#模拟面试#简历项目#连续追问

系统教程·检索

重排与检索优化面试题大全

匹配正文：RAG 做不好，大多数问题出在召回和排序。面试官会追问为什么加重排、怎么权衡延迟、怎么构造训练数据、怎么评估召回和排序质量。这一页集中整理检索优化链路。配套教程 RAG 教程第 6 章：Rerank 重排怎么选型和提速 RAG 教程第 5 章：混合检索与召回策略知识模块重排模型、排序指标与召回优化重排模型、排序指标与召回优化常见问题 Rerank 为什么是 RAG 面试高频题？因为它直接影响最终上下文质量。面试官会看你能否解释粗召回和精排的分工、Cross-Enc…

#专题学习#重排与检索优化面试题大全

面试题·模型训练· 百度

DDPM vs Flow Matching: 采样效率与优缺点?

匹配正文：…ching 在连续归一化流 ODE dx_t/dt=v_t(x_t) 下，预先选择从基分布到数据分布的概率路径，并回归该路径的条件向量场。它可选择 diffusion conditional path，也可选择 OT displacement path 等，不等于只学习直线。训练与采样 DDPM 训练通常是随机时间步的 Monte Carlo 估计；经典祖先采样按反向时间步迭代，DDIM、DPM-Solver 等可改变采样步数。 Flow Matching 训练也随机采 t…

#扩散模型#流匹配#生成模型

求职指南·求职

转大模型应用开发路线图(2026):研究生/Java 后端要学什么、多久上岸

匹配正文：…、Agent、MCP 分别在哪一层? RAG 和微调怎么选,什么时候组合使用? 检索召回率、重排、引用溯源、离线评估为什么决定上线质量? 学习方式建议很朴素:每个概念先写一句人话定义,再写一个工程场景,最后找 2-3 道真题练口述。比如 RAG 不要背“检索增强生成”六个字,要能说出“公司制度经常变,把知识放进向量库比重新训练模型更可控,但效果取决于切块和检索质量”。研一/研二可以在这一阶段顺手整理个人知识库,把后续项目文档、论文摘要和面试题都放进去;在职后端不要追求概念全…

#求职#职业转型

面试题·RAG

RAG 已经能搜 PDF，为什么视频不能直接入库？

匹配正文：…间的关系。但它们的目标一致：既拿到正文，也保留“这段话来自哪里”。文字取出来以后，还要变成便于比较意思的一组数字坐标，这一步叫 Embedding。不熟悉这个词也没关系。你只需要知道，系统可以借助这些数字，比较两段话在意思上是否接近。用户写“休假怎么审批”，原文即使写的是“年假申请流程”，系统也有机会把它找出来。专门存储这些数字坐标、并支持按相似度搜索的资料库，通常叫向量数据库。找到相关片段后，系统才会把用户的问题和片段原文一起交给大模型。大模型负责把资料整理成通顺的…

#RAG#解析与入库#视频 RAG

面试题·Agent

什么时候该用 Deep Research，而不是普通 RAG？复杂问题怎么分级路由？

匹配正文：… 如果这种循环通常只有少量步骤，最后仍然交付一个直接答案，可以考虑 Agentic RAG。它与普通 RAG 的区别不在于有没有向量库，而在于检索是否由固定流水线执行。普通 RAG 预先规定“检索一次再生成”；Agentic RAG 允许模型根据当前证据决定是否再查、改查什么、要不要调用另一个工具。它与 Deep Research 的区别则在交付目标。Agentic RAG 主要想把当前答案补准；Deep Research 要覆盖一个完整研究任务，包括多个对象、多个维度、…

#Deep Research#问题边界与研究闭环#Deep Research 分级路由

项目实战·RAG

第 1 章:为什么做 RAG?

匹配正文：…险产品"。"推销"和"销售"是同义词,但关键词检索认死理,字不一样就是不匹配。问"保单的现金价值怎么算",检索也找不准,因为通用向量模型没见过"现金价值""退保费"这类保险黑话,在向量空间里把它们放错了位置。同一个问题问法五花八门:"报销制度是什么"是流程型问题(答案在规章制度里);"怎么提升业绩"是思考型问题(答案零散在培训材料里)。一套检索策略很难同时伺候好两类。工程提示:Garbage in, garbage out。 RAG 的质量不只由模型决定,还取决于解析、…

#RAG#检索#项目实战

项目实战·Agent

第 1 章:为什么需要 Deep Research

匹配正文：…,不是「pgvector 最新版本号是多少」这种一查就有的问题,而是这种: 「我这个中小规模、还想少花点运维精力的 RAG 项目,向量库到底该选 Milvus、Qdrant 还是 pgvector?」第一版我们老老实实走普通 RAG:把问题丢进向量库,检索几篇博客和文档,拼一段回答。结果出来的东西工程师根本不敢照着做,要么只夸了其中一个、要么拿的是两年前的旧对比、要么把「嵌入式 / 单机 / 分布式」这几种完全不同的部署形态混为一谈。复盘下来,根因很清楚:这个问题的答案,…

#Agent#Deep Research#项目实战

求职指南·求职

大模型应用开发岗和算法岗有什么区别、普通工程师怎么选

匹配正文：…API,至少要知道: 应用场景只会调包会卡在哪里需要补的模型侧能力企业知识库问答答案不稳定,错了不知道是检索还是生成问题 Embedding、重排、评估集、引用溯源 Agent 工具调用工具乱调、循环失控、成本爆炸 ReAct、状态机、工具 schema、终止条件领域客服助手语气和流程不稳定,模板约束不够 SFT/LoRA 的适用边界、数据构造高并发推理服务延迟高、显存吃紧、成本不可控 KV Cache、批处理、vLLM/SGLang 基本概念结果质量评估…

#求职#职业转型

面试题·RAG

PDF、PPT、扫描件为什么不能共用一条解析 Pipeline？

匹配正文：…单元。 RAG 可以分成离线知识入库和在线问答两个阶段。文档解析处在离线阶段最前面。解析器交给后面的内容如果已经丢失或错乱，分块、向量化和入库仍可能正常运行，只是它们会忠实地处理一份错误材料。多格式入库首先判断“知识以什么形式存在”，不能只看文件能不能打开。电子 PDF 的正文可能存在字符层，可以按页读取文字，但多栏排版、表格和浮动图片仍需要版面信息。扫描 PDF 看上去也是 PDF，页面内部却可能只有图像。PPT 不是一篇连续文章，一页中的标题、文本框、项目符号、图片和…

#RAG#解析与入库#RAG 文档解析

面试题·Agent

Deep Research 拿到一个大问题后，怎么拆成能查证的子问题？

匹配正文：…赖、预估动作、是否影响最终结论和当前状态。优先级不需要追求一个虚假的精确分数，但要能解释为什么先做这一项。怎样控制并行分支的合并质量？并行可以缩短等待，却会放大不一致。如果三个分支各自用不同字段记录结果，综合阶段只能再次让模型阅读三篇自由文本，前面结构化拆解的价值就没了。每个分支应使用统一交付：当前结论、支持证据、反对证据、来源时间、版本、限定条件、信息缺口和任务状态。比较类任务还要使用统一维度，某个分支没有数据就明确为空，不能用相近信息替代。合并时先做结构校验，再…

#Deep Research#问题边界与研究闭环#Deep Research 问题拆解

项目实战·RAG

第 2 章:RAG 整体架构

匹配正文：…:离线辛辛苦苦建好的库,就是在线检索时要查的那个库。为什么非要拆成"离线 + 在线"两段?因为这两段的诉求正好相反:离线建库追求质量,允许用更长时间做解析、切分和向量化;在线问答追求可控延迟,不能在用户提问时临时处理全部原始文档。把重活挪到离线、提前建好索引,在线只做"查 + 拼 + 答",就是两条链路分开的根本原因。具体耗时必须用自己的数据规模和硬件实测。顺手记两个词:Embedding(把文字转成一串数字向量,让"意思相近"能用数学距离算出来)、chunk(把大文档剪…

#RAG#检索#项目实战

项目实战·Agent

第 2 章:Agent 执行框架,ReAct → IterResearch

匹配正文：…arch / ReWOO / Reflexion / Research-Synthesis 各适合什么,以及测试时扩展怎么用计算换质量本章按三段式组织: 段落给谁看内容占比 🚀 Part 1 · 主线实战零基础,想先跑起来 ReAct 原理 + 消息格式 + 上下文增长对比 demo ~45% 🎯 Part 2 · 面试深度想讲透、备战面试 IterResearch / ReSum / 其他框架 / 选型 / 测试时扩展 + 私货 ~45% 🏆 Part 3…

#Agent#Deep Research#项目实战

面试题·RAG

扫描 PDF 没有文本层，RAG 怎么做 OCR 与失败降级？

匹配正文：…用字符层，页面本质上是一张张图片。于是面试官会继续问：你怎么判断一页 PDF 需要 OCR？识别完成后为什么不能直接把文字塞进向量库？遇到模糊页、表格页和失败页又怎样降级？如果回答只有“调用 OCR 接口提取文字”，很快就会遇到下一层追问。因为 OCR 只是把像素变成文字候选，距离可检索、可引用的内容还差版面、顺序、结构、位置和质量控制。先判断：这一页真的需要 OCR 吗？页面判断不能只做“字符串为空”这一项检查。扫描页常见的误导信号是：页码、页眉或水印能够被读取，…

#RAG#解析与入库#扫描 PDF RAG

RAG 流程各环节优化陷阱

RAG架构：检索器与重排序策略

RAG 系统有哪些常见陷阱?

RAG 系统实现流程怎么搭?

RAG 召回准确性：三大失败场景

混合检索怎么提升 RAG 召回?

RAG Retriever 工作机制详解

ANN 索引怎么构建?

RAG 智能问答系统

大模型应用开发学习路线

混合检索、RRF 与重排项目模拟面试

重排与检索优化面试题大全

DDPM vs Flow Matching: 采样效率与优缺点?

转大模型应用开发路线图(2026):研究生/Java 后端要学什么、多久上岸

RAG 已经能搜 PDF，为什么视频不能直接入库？

什么时候该用 Deep Research，而不是普通 RAG？复杂问题怎么分级路由？

第 1 章:为什么做 RAG?

第 1 章:为什么需要 Deep Research

大模型应用开发岗和算法岗有什么区别、普通工程师怎么选

PDF、PPT、扫描件为什么不能共用一条解析 Pipeline？

Deep Research 拿到一个大问题后，怎么拆成能查证的子问题？

第 2 章:RAG 整体架构

第 2 章:Agent 执行框架,ReAct → IterResearch

扫描 PDF 没有文本层，RAG 怎么做 OCR 与失败降级？