匹配追问：…么时候到”，我们先用向量检索召回了几篇相关文档，但发现排序不太准。你觉得这种情况下，加一个重排序模型有必要吗？为什么？层层追问 RAG里你一般怎么做检索？……只靠向量召回够不够？……如果召回了100篇，怎么挑出最相关的5篇给大模型？……你觉得重排序在这中间能解决什么问题？直球架构请解释为什么在RAG系统的初步检索后需要一个重排序模型。它的核心作用是什么？相比只做向量检索，重排序带来了哪些优势？

#字节#Rerank模型#RAG Rerank

面试题·检索· 百度

RAG 工作原理与核心组件

匹配正文：答案要点 RAG的完整流程：索引、检索、生成三阶段 Embedding模型的作用和选择向量数据库的构建与检索算法（HNSW/IVF）检索策略：稠密检索、稀疏检索、混合检索 RAG的优化方向：查询改写、重排序、多路召回 RAG核心架构：索引-检索-生成三阶段 1. 索引阶段（离线）文档切分：按语义/固定长度分块，chunk size通常256-512 token 向量化：用Embedding模型（如BGE、M3E、OpenAI text-embedding）将文本转为稠密…

#百度#RAG核心组件#RAG 工作原理

面试题·检索· 京东

RAG 怎么解决大模型幻觉?

匹配正文：答案要点清晰阐述RAG"检索-增强-生成"三段式架构说明向量数据库和Embedding的核心作用解释检索策略（相似度搜索、重排序）的关键设计分析RAG缓解幻觉的机理（事实锚定+可溯源）提及RAG的局限（检索质量瓶颈、上下文窗口限制）核心架构：检索-增强-生成 RAG的本质是给大模型外挂一个"可查询的知识库"，让生成过程有据可依。三大核心组件 1. 索引层（Indexing）文档切分（Chunking）：按语义或固定长度分块，通常512-1024 token E…

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

#京东#幻觉抑制#RAG 技术原理

面试题·检索· 小红书

RAG 局限性怎么破?

匹配正文：…嵌入）、Query2Doc扩展语义重排序精排：Cross-encoder精筛Top-K，过滤噪声 2. 生成层优化上下文压缩：RAG-Fusion多查询聚合、LongLLMLingua关键句提取引用生成：训练模型输出[source_id]，实现可验证回答 Self-RAG：让模型自主判断"是否需要检索"及"是否引用" 3. 架构演进 GraphRAG：构建知识图谱，支持多跳推理与全局摘要 Agentic RAG：ReAct循环（检索→推理→再检索），动态决策检索时机与工…

#小红书#RAG局限性#RAG 局限性

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 检索器与知识库怎么搭?

匹配正文：真实性边界问题要求说明“在项目中应用 RAG”的技术细节。检索延迟、端到端延迟、准确率和幻觉率只能来自真实项目；通用架构示意不能包装成个人上线结果。回答框架知识库：数据来源、解析、分块、元数据、权限、版本与更新方式。检索器：稀疏/稠密模型、索引、Top-K、过滤、融合和查询改写。重排与上下文：候选规模、重排模型、去重、上下文预算、引用和冲突处理。生成与防护：模型版本、证据约束、拒答、输出校验和安全边界。评测与上线：分层指标、压测、消融、灰度、观测、回滚和成本。 …

#美团#知识库构建#RAG 检索器设计

面试题·检索· 小鹏

RAG检索优化：向量检索与重排序

匹配追问：…政策”，你从向量库里召回100条，但发现很多是去年的旧政策。你怎么优化检索，既能快速召回又能保证结果是最新、最相关的？层层追问 RAG的检索阶段，你一般会做哪些优化来提升效果？……比如向量检索本身，索引层面有什么策略？……那召回之后呢，你怎么从一堆结果里挑出最相关的几条？……如果用户query表述不清晰，比如只说“那个文档”，你怎么处理？直球架构请从向量检索、重排序、查询扩展三个方面，系统性地阐述RAG检索阶段的优化策略。你如何平衡检索效率和准确性？具体讲讲每种策略的核…

#小鹏#检索阶段优化#RAG 检索优化

面试题·检索· 字节

RAG 为何需要重排序?

匹配正文：答案要点向量相似度≠语义相关性，存在语义鸿沟 Embedding模型能力边界导致召回偏差粗排精排的两阶段架构设计必要性大模型具备深层语义理解和上下文感知能力生成阶段需要综合多维度信息做最终决策核心原因：向量相似度存在本质局限 1. 相似度≠相关性向量检索基于Embedding空间距离，只能捕捉浅层语义相似问题："如何防止过拟合" 与文档："过拟合的危害" 向量相近，但可能无法直接回答问题用户真实意图需要深层理解，Embedding模型难以完全把握 2. Em…

#字节#向量召回与重排#RAG 重排序

面试题·检索· 字节

RAG Retriever 工作机制详解

匹配正文：…键协作点上下文融合：检索结果按相关性排序，截断至上下文窗口置信度过滤：低分文档丢弃，避免引入噪声迭代优化：Advanced RAG中加入重排序（Rerank）或查询改写，提升召回精度质量提升本质：Generator从" parametric memory "（参数知识）扩展到" non-parametric memory "（外部知识），减少幻觉，实现可溯源回答。学习建议建议先掌握RAG整体架构，再重点理解Retriever的两种主流技术（如BM25与DPR），并…

#字节#Retriever#RAG Retriever

面试题·检索· 阿里

RAG 召回又快又准靠什么?

匹配追问：场景切入假设你在做电商客服RAG，用户问‘我的订单怎么还没到’，你从知识库召回退换货政策。但有时候召回的结果不相关，比如用户其实想问物流延迟。你会怎么优化召回链路，让语义匹配更准、速度也快？层层追问 RAG系统的召回你怎么做的？……如果召回结果不准，你能想到哪些方向改进？……进一步，数据量涨到千万级，检索延迟怎么控制？还有增量数据怎么实时更新？直球架构设计一个RAG召回系统，要优化检索效率、相关性、可扩展性。从索引结构、多路召回、精排到工程架构，你会怎么选型和组合？关…

#阿里云#召回链路优化#RAG 召回优化

面试题·检索· 百度

检索失败时 RAG 怎么兜底?

匹配追问：…户问“这个订单什么时候发货”，结果知识库里没有这个商品的信息。这时候你该怎么处理，才能既不让用户失望，又避免瞎编乱造？层层追问 RAG系统检索不到相关文档时，你会怎么兜底？……那如果检索到的文档质量很差呢？……怎么让模型知道它该用自身知识还是拒绝回答？直球架构设计RAG系统的检索失败兜底策略，要求处理零结果和低质量结果两种情况，给出查询改写、多路召回、模型侧兜底和用户反馈闭环的具体方案。

#百度#小鹏#美团

面试题·检索· 字节

RAG 技术实现怎么落地?

匹配正文：答案要点能清晰描述RAG的完整技术链路（索引-检索-生成）理解Embedding和向量检索的核心作用能区分Naive RAG与Advanced RAG的关键差异能结合具体场景说明RAG的价值和局限性 RAG核心架构 RAG = 检索模块 + 生成模块，用外部知识弥补大模型参数知识的局限。 1. 索引阶段（离线）文档切分：按语义/固定长度分块，控制chunk大小（通常256-512 tokens）向量化：用Embedding模型（如BGE、text-embeddin…

#字节#RAG应用场景#RAG 技术实现

面试题·检索· 安克科技

RAG 向量匹配怎么高效实现?

匹配追问：…，用户问的问题要实时匹配千万级FAQ向量，延迟要求50ms以内，但召回率不能低于95%。你会怎么设计这个向量匹配模块？层层追问 RAG里query向量和知识库向量怎么匹配最快？……直接暴力搜索肯定不行，那你会用哪些近似搜索算法？……HNSW和IVF有什么关键参数会影响召回率和延迟？直球架构请你讲一下RAG系统中高效实现向量相似度匹配的核心技术，重点包括ANN算法选型、索引结构设计以及召回率、延迟、内存之间的性能权衡。

#安克科技#ANN性能权衡#RAG 向量匹配

面试题·Agent· 阿里

Agent 中 RAG 瓶颈怎么破?

匹配追问：…<2秒），又能给出准确的答案。但在实际中，检索流程经常拖慢速度，或者答案不准确。你能分析一下这里可能有哪些技术瓶颈吗？层层追问 RAG系统的延迟和准确率，你一般怎么平衡？……如果检索结果里混入了不相关的文档，模型会怎么受影响？……那在Agent多轮调用中，这种错误会不会被放大？具体有哪些环节容易出问题？直球架构请你系统分析一下，在Agent应用中，RAG系统面临哪些影响响应延迟和结果正确性的关键工程瓶颈？要涵盖检索、上下文管理、Agent决策链，并给出针对性的优化思路。

#阿里云#Agent#Agent RAG 瓶颈

面试题·Agent· 阿里

LangChain vs LlamaIndex 在 RAG 中怎么选?

匹配追问：… 层层追问现在做Agent开发，常用的框架有哪些？……LangChain和LlamaIndex你更倾向哪个？……那如果我要做一个RAG知识库问答，LlamaIndex有什么独到之处？LangChain在Agent场景下又强在哪？直球架构直接说一下你熟悉的Agent开发框架，对比LangChain和LlamaIndex的核心定位、功能差异，以及它们在RAG和Agent系统构建中分别适合什么样的场景。

#阿里云#Agent#Agent 框架对比

面试题·Agent· 百度

Single-Agent vs Multi-Agent 架构取舍

匹配口述回答：…：上下文长度受限。一旦任务链太长，模型会遗忘前面的信息，所以真正落地时，我一般会搭配短期工作记忆和长期向量记忆，用 [[Self-RAG]] 让模型自己学会反思，但核心还是控制单次任务的范围。再来说多智能体。当任务需要多个领域专家协作时，单智能体就撑不住了。比如软件开发，需要产品经理、架构师、开发、测试四个角色一起干活，你没法让一个Agent既写代码又做测试。这时候我会用层级式架构，一个Orchestrator Agent负责调度，下面挂 Planning Agent、Co…

#百度#Agent#Single-Agent 设计

面试题·Agent· 淘天

传统 RAG 有哪些痛点?

匹配追问：场景切入假设你负责一个电商客服RAG系统，用户问‘苹果手机充电器’，结果检索回来一堆安卓快充协议文档，模型就瞎推荐了。你碰到过这种检索噪声问题吗？具体是怎么影响的？层层追问传统RAG在实际部署中你觉得有哪些痛点？……比如检索结果不相关？……那这种噪声会怎么影响最终回答质量？能举个电商的例子吗？直球架构请详细说明传统RAG系统的三大核心痛点：检索噪声、上下文冗余和知识更新延迟。每个痛点结合业务场景说明其本质和影响。

#淘天#Agent#RAG 痛点

面试题·Agent· 美团

Agent 主流架构怎么选?

匹配口述回答：…再复杂就上Multi-Agent。关键是上线前一定要想清楚边界和失败场景，不然Agent跑起来很容易失控。一句话定位：Agent架构本质是LLM与外部世界的交互模式 ReAct：思考-行动交替，灵活但慢 Plan-and-Execute：规划先行，高效但僵 Multi-Agent：分工协作，复杂但难协调落地选型：按场景混搭，注意记忆和反思约4分钟 Agent和RAG结合的趋势，即Agentic RAG，以及检索准确度对Agent效果的关键影响。面试官可能会追问Agen…

#美团#Agent#Agent 架构设计

面试题·文档处理· 字节

RAG 数据处理与索引流程?

匹配追问：…描件等。用户问的可能是合同条款或操作步骤。从原始文档到能检索的知识库，你觉得整个处理流程应该怎么设计？关键步骤有哪些？层层追问 RAG系统的知识库，文档进来后你会做哪些处理？……那分块怎么分？……分完块之后怎么向量化？……最后怎么建索引让检索又快又准？每个环节有什么坑？直球架构请完整描述RAG系统中从原始文档到可检索知识库的数据处理与索引流程，包括文档加载、清洗、分块、Embedding生成和向量索引构建，并说明各步骤的技术要点和对系统性能的影响。

#字节#文档处理#向量检索

面试题·文档处理· 百度

RAG ANN 索引优化

匹配追问：场景切入假设我们做一个电商客服RAG系统，用户问“退款流程”，系统得从海量文档里找答案。如果向量索引效率低，用户等半天才出结果，你一般会用什么策略来优化索引的效率和召回率？层层追问 RAG系统里向量索引做召回，你觉得哪些环节会影响效果？……比如分块策略？嵌入模型？……那具体怎么提升召回率呢，像ANN算法调参或者多路召回这些，你怎么看？直球架构请列举RAG系统中向量索引优化的常见策略，比如分块、嵌入、ANN算法、多路召回等，并解释每个策略为什么能提升效率或召回率。

#百度#文档处理#RAG ANN 索引优化

面试题·文档处理· 字节

RAG 长文档怎么切块?

匹配追问：…几百页的技术手册，我们要用它来回答各种细节问题。你会怎么把这本书切成一段段，既保证检索能命中，又让生成器能看懂上下文？层层追问 RAG 里文档切分你一般怎么做？……如果按固定长度切，有什么坑？……那怎么避免句子被切碎？……有没有办法既保留小粒度又给大上下文？……你觉得哪种策略最实用？直球架构设计一个 RAG 系统的文本切块模块，要支持固定长度、语义边界、递归分层三种策略，并且能配置重叠比例。你怎么设计接口和策略选择逻辑？各自适合什么场景？

#字节#文档处理#RAG 文本切块

面试题·文档处理· 字节

RAG 数据清洗与 Chunking 怎么选?

匹配追问：…文档有PDF、Word、网页抓取的各种格式，质量参差不齐。你会怎么设计数据清洗流程？另外，文档切块时你通常用什么策略？层层追问 RAG系统里，数据入库前一般要做哪些处理？……那文本切块呢，你一般怎么切？……如果文档里既有表格又有代码，直接按固定长度切行不行？你用什么策略处理这种情况？直球架构设计一个RAG系统的数据预处理pipeline，重点讲数据清洗流程和文本切块策略。清洗要覆盖哪些环节？切块策略有哪些，各自适合什么场景？

#字节#文档处理#RAG 数据清洗

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·文档处理· 美团

RAG知识库构建流程详解

匹配追问：…从各种手册、PDF里找答案。现在给你一堆杂乱文档，你会怎么处理成知识库？从原始文件到能检索的向量，每个步骤具体做什么？层层追问 RAG系统的效果很大程度依赖知识库的质量吧？……那你觉得构建知识库的第一步是什么？……清洗完文档后，文本怎么切分更好？……固定大小和按语义切分各有什么优缺点？……选Embedding模型和向量数据库时又得考虑哪些因素？直球架构请你完整描述构建RAG知识库的流程，包括文档预处理、文本分块策略、Embedding模型选择、向量数据库选型以及索引构建…

#美团#RAG 知识库构建#文档预处理