匹配正文：…知识盲区，主动请求补充 2. 更新流水线（ETL-KG）原始数据 → 信息抽取（实体/关系）→ 质量验证 → 冲突检测 → 图谱融合 → 索引更新 → 生效通知 3. 关键保障机制维度策略实时性近实时：Kafka+Flink流处理，秒级延迟；关键路径走内存缓存一致性版本快照+MVCC；写时复制保证查询不中断；分布式事务（2PC/Saga）准确性规则校验+模型打分+人工抽检三级；灰度发布，异常自动回滚 4. 与RAG的联动图谱更新后异步刷新向量索引，避免阻塞…

#字节#Agent#知识图谱动态更新

面试题·知识图谱· 字节

RAG 技术原理和实现流程

匹配正文：…索语义不匹配查询改写、HyDE（假设文档嵌入）、重排序(Rerank) 上下文文档过长/冗余摘要压缩、关键句提取、多路召回融合生成不遵循参考引用标注训练、Self-RAG（自适应检索判断）典型变体 GraphRAG：用知识图谱替代向量检索，处理复杂多跳推理 Self-RAG：模型自主判断是否需要检索，避免过度检索实际落地时，检索质量决定RAG上限，建议先做检索评测（Recall@K）再优化生成。

#字节#检索生成流程#RAG 技术原理

面试题·知识图谱· 字节

向量库 vs 知识库 vs 符号记忆？

匹配正文：…步做什么" 外部符号记忆生产实践：通常三层叠加——向量库做粗排召回，结构化库做精准确认，符号记忆维护当前任务状态。检索时按优先级融合，而非单一依赖。

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

按学习路线查看教程、项目和面试题。

站内 RAG 在线实战

#字节#Agent#Agent 长期记忆

面试题·多模态· 阿里

Multi-modal RAG 原理与挑战

匹配正文：…态重排；最后编排上下文、生成并验证引用。索引可将多模态对齐到共享向量空间，也可为各模态分别建索引后用 RRF、分数校准或重排器晚融合。共享空间便于跨模态检索但可能损失模态细节；分索引保留专用能力却增加路由和校准复杂度。关键挑战包括：细粒度区域或时间片对齐；OCR/ASR 错误和域偏移；有限上下文内的证据去重与排序；版权、隐私、提示注入和访问控制。评估要拆分各模态 Recall@K、跨模态重排、答案忠实度、引用定位、尾延迟和成本。财报图表问答、设备图片诊断、视频定位和商品图…

#阿里#多模态#多模态 RAG

面试题·多模态· 美团

AI Agent 自主智能体实现陷阱

匹配正文：…聚焦垂直场景（如智能客服、调度决策），通过SFT+规则引擎 hybrid 实现可控落地中期（3-5年）：具身智能与数字Agent融合——Agent不再只是聊天，而是能操作界面、调用代码、感知环境的"数字员工" 长期：自主智能体需突破"意图对齐"——不是更强的模型，而是Agent能真正理解人类模糊意图背后的价值偏好，这涉及RLHF的下一代演进美团视角的切入点外卖/到店场景的核心是时空约束下的资源调度，Agent的落地应聚焦：骑手异常事件的自主处置（替代部分人工调度）商…

#美团#Agent#AI Agent 发展路径

面试题·多模态· 字节

截图界面怎么用 RAG 解析?

匹配正文：…共享语义空间 3. 检索增强生成多路召回：视觉相似检索（找同类UI）+ 文本语义检索（找功能描述）+ 规则匹配（精确组件ID）融合排序：用轻量模型（如ColBERT）对多模态候选重排生成：输入结构化的UI上下文 + 检索到的知识，用VLM或纯文本LLM生成回答实际优化考虑问题方案延迟高预计算热门界面的解析结果；检索用HNSW近似；生成用蒸馏小模型 UI频繁变更建立组件指纹（布局哈希），变更时增量更新索引冷启动先用通用UI知识库（Android/iOS设计…

#字节#多模态#多模态 RAG

面试题·多模态· 阿里

Multi-modal RAG 是什么?

匹配正文：答案要点明确多模态RAG的定义（支持文本、图像、视频、音频等多模态输入和检索）技术挑战（跨模态语义对齐、多模态索引构建、模态融合策略）核心组件（多模态编码器、跨模态检索器、多模态生成器）典型应用场景（电商图文搜索、医疗影像诊断、工业质检、多模态客服）什么是多模态RAG 传统RAG只检索文本知识，多模态RAG将检索范围扩展到图像、视频、音频、表格等多模态数据，实现"以文搜图、以图搜文、跨模态联合推理"的增强生成。核心挑战 vs 文本RAG 维度传统文本RAG 多模…

#阿里#多模态#Multi-modal RAG

面试题·多模态· 小鹏

RAG 中表格图片怎么处理?

匹配正文：…档解析与结构化提取（表格/OCR/布局分析）多模态Embedding策略（文本+图像联合编码或分离编码）检索层面的多模态对齐与融合生成阶段的跨模态上下文整合实际挑战（解析精度、计算成本、模态对齐）核心思路多模态RAG的关键是统一表示 + 按需检索 + 跨模态生成。把表格、图片都转成模型能理解的格式，同时保留结构化信息供精准召回。技术方案 1. 文档解析层类型处理方法表格用专用工具（如Camelot、Table Transformer）提取为HTML/Ma…

#小鹏#多模态#RAG 表格处理

面试题·Prompt· 百度

大模型智能体系统架构设计思路

匹配正文：…ion）工具注册中心：标准化Schema定义（OpenAPI风格）执行沙箱：隔离环境+超时控制+权限分级结果聚合：多工具输出融合与后处理关键技术考量维度设计选择记忆系统短期：对话上下文滑动窗口；长期：向量库+结构化知识图谱双存储工具调用 Function Calling原生支持 + 动态工具检索（相似度匹配Top-K）规划深度简单任务单步响应；复杂任务启用多步ReAct，设置最大迭代阈值安全可控输出审核层（敏感词+意图分类）；工具调用权限白名单扩展…

#百度#Agent 系统架构#大模型智能体设计

面试题·Prompt· 字节

RAG生成阶段Prompt整合策略

匹配正文：…完整性学习建议建议先掌握RAG基本流程，理解检索与生成的衔接机制，结合实际案例练习Prompt设计，关注上下文排序、去噪与信息融合方法。

#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?

匹配正文：…： [1] {doc1} [2] {doc2} 问题：{query} 关键：强制模型输出引用标记，便于后处理校验。 3. 对话历史融合式（多轮RAG）历史对话： User: {prev_q} Assistant: {prev_a} 当前可参考的新资料： {retrieved_context} 当前问题：{current_q} 进阶策略策略作用动态Few-shot 从检索结果中挑1-2个高质量问答对作为示例注入上下文重排序把最相关的文档放Prompt末尾（近因效应）…

#字节#Prompt工程#RAG Prompt 构建

面试题·Prompt· 字节

AI Agent 核心特点与局限

匹配正文：…rk 发展潜力判断短期（1-2年）：垂直场景深度落地代码生成+执行闭环（Devin类工具）企业流程自动化（RPA+Agent融合）中期（3-5年）：多智能体协作生态专业化Agent分工（规划Agent、执行Agent、验证Agent）人机协作新范式：Agent作为"数字员工"接受管理关键瓶颈：可靠性的数量级提升——从"80%可用"到"99.9%可信"，需要推理能力、验证机制、安全架构的系统性突破。

#字节#评估与监控#Agent

面试题·RAG· 淘天

RAG 核心架构与工作流程

匹配正文：…过限定检索范围约束回答边界 RAG vs 纯参数化模型：场景对比 RAG显著更优的场景：高事实准确性要求：医疗诊断、法律咨询、金融合规（需精确引用条文）知识高频更新：新闻问答、产品信息、股价/天气等实时数据长尾知识密集：企业内部文档、专业手册（训练语料覆盖少）可解释性刚需：需给出参考来源的场景（客服溯源、学术辅助）纯LLM更合适的场景：通用创意写作、开放式闲聊（无需外部事实约束）常识推理、代码生成（知识已内化为模型能力）局限性与应对局限表现缓解思路检索…

#淘天#阿里#RAG 架构

面试题·RAG· 字节

RAG 怎么提升生成准确性?

匹配正文：…量：Embedding模型微调、混合检索（向量+关键词）、重排序（Rerank）上下文组织：片段截断策略、多轮检索、检索结果去重融合生成控制：提示词约束模型严格基于检索内容回答，拒绝无关Query 与微调对比 RAG优势在于知识可解释、更新即时、成本可控；适合知识频繁变更、需溯源的场景。微调更适合改变模型行为风格或需要内化复杂推理模式的任务。学习建议建议系统学习该知识点

#字节#外部知识检索#RAG 原理

面试题·RAG· 字节

RAG 检索模块怎么提升相关性?

匹配正文：…回TopK候选结果组装：结合元数据过滤，送入生成模块三种提升相关性的方法 1. 混合检索（Hybrid Search）原理：融合向量语义检索 + 关键词匹配（BM25），解决向量检索对专有名词、ID类信息召回不足的问题融合策略：线性加权 score = α·dense_score + (1-α)·sparse_score，或RRF倒数排序融合 2. 重排序（Re-ranking）原理：用Cross-encoder等交互式模型对初筛结果精细打分。双塔模型（Bi-enc…

#字节#Query Rewriting#RAG 检索模块

面试题·RAG· vivo

地图避障方法有哪些局限?

匹配正文：…滤：Ray-casting一致性检测，避免地图污染边缘轻量化：NanoMap、Ego-centric局部地图替代全局维护端到端融合：传统方法提供安全约束，学习模型处理意图预测学习建议建议先掌握SLAM和路径规划基础，再通过仿真项目理解动态环境中地图方法的局限，注重理论与实践结合。

#vivo#机器人导航避障#地图避障局限

面试题·RAG· 字节

RAG 检索增强技术有哪些？

匹配正文：…→分别检索A、B再综合二、检索策略增强（多路召回）方法核心思想适用场景混合检索向量相似度 + BM25关键词匹配，加权融合专业术语、专有名词多的场景稀疏-密集结合 SPLADE等学习式稀疏向量，弥补纯向量盲区长尾实体、ID类查询图检索基于知识图谱的实体关系扩展需要推理关联的复杂问题三、精排优化（重排序） Cross-Encoder重排：用交互式模型（如bge-reranker）对召回Top-K精细打分，精度高但慢多阶段级联：向量召回→BM25过滤→…

#字节#HyDE#RAG 检索质量

面试题·RAG· 字节

医疗 RAG 索引如何保合规?

匹配正文：… 准确性可接受一定幻觉零容忍，需精确溯源合规性弱约束强监管，需审计留痕知识更新低频指南/法条频繁修订权威性多源融合需区分证据等级/法律效力数据处理与索引流程设计 1. 数据采集层白名单机制：仅接入权威源（临床指南、裁判文书网、药典等）多模态处理：扫描件→OCR→版式还原→表格/图表结构化提取 2. 清洗与结构化原始文档 → 文档类型识别 → 章节语义拆分 → 实体标注（ICD-10/法律条款） → 冲突检测（同主题多版本） → 证据等级标记（I级…

#字节#医疗RAG合规#RAG 数据处理流程

面试题·RAG· 小红书

RAG 检索噪声怎么处理?

匹配正文：…coder替代Bi-Encoder做精排，过滤低相关性文档上下文压缩：用LLM或专用模型对长文档摘要，减少噪声信息占比多路召回融合：向量检索 + 关键词检索 + 图谱召回，取交集或加权融合降低单路噪声动态阈值：根据查询难度自适应调整top-k数量，难查询多召回、易查询严过滤二、生成阶段：增强鲁棒性置信度引导生成：让模型输出引用来源并给出相关性评分，低置信度时主动降权或拒绝回答反事实训练（Counterfactual Training）：SFT阶段注入噪声文档，训练…

#小红书#检索噪声过滤#RAG 噪声处理

面试题·RAG· 美团

外挂数据库怎么提升大模型准确性?

匹配正文：…Kafka/Flink）→ 增量构建向量索引，避免全量重建检索层多路召回（向量+关键词+规则）+ 实时性加权，新数据优先排序融合层检索结果注入Prompt，标注数据来源时间戳，让模型感知时效性反馈闭环用户点击/转化数据回流，动态调整索引权重和切分策略相比纯模型/静态RAG的优势时效性：分钟级数据可见，解决大模型知识截止问题准确性：数据分布漂移时，检索结果自动跟随变化，无需重训模型成本可控：避免频繁SFT，用检索成本替换训练成本美团场景的特殊考量外卖/配…

#美团#外挂数据库增强#外挂数据库

面试题·RAG· OPPO

RAG 模型分类有哪些?

匹配正文：…）→ 生成核心改进：查询优化：HyDE（假设文档嵌入）、Query2Doc 精排策略：Cross-encoder重排、多路召回融合上下文处理：Recomp压缩、选择性上下文适用：企业知识库、产品手册等噪声多、需精排的场景 3. Modular RAG（模块化/Agent化）架构：检索与生成解耦，支持多轮迭代、主动决策关键能力：模块功能检索器可切换（向量/图谱/搜索引擎）调度器判断是否需要检索、何时停止生成器支持Self-RAG（反思token）、F…

#淘天#RAG架构分类#RAG 分类

面试题·RAG· 淘天

偏好数据如何收集与建模?

匹配正文：…二、偏好建模架构用户输入 → Context Encoder → [用户画像Embedding] + [实时会话状态] ↓ 偏好融合网络（Attention-based） ↓ 生成回复 / 商品推荐（多任务输出）静态偏好：用户长期画像（价格敏感度、品牌偏好、风格标签）→ 存向量库动态偏好：当前会话意图漂移检测（用KL散度监控话题转移）群体先验：相似用户簇的偏好作为冷启动回退三、训练优化流程阶段目标方法 SFT 基础对话能力高质量客服对话数据，加入<用户画像>…

#淘天#用户偏好建模#偏好感知对话系统

面试题·RAG· 小红书

生成式推荐的序列原理

匹配正文：…-K排序列表可直接生成ID、解释文本、甚至推荐理由灵活性任务特定模型统一架构处理多种推荐任务关键优势与挑战优势：天然融合内容信息（标题、图文），缓解ID冷启动统一框架支持多任务（推荐+解释+对话）利用预训练LLM的泛化能力挑战：推理延迟：自回归生成 vs 向量内积检索 ID词汇表爆炸：百万级物品需高效Token化（如Semantic ID、分层编码）位置偏差：生成顺序影响多样性小红书场景的思考笔记推荐适合生成式范式——内容属性丰富（标题、标签、图文…

#小红书#Item Tokenization#生成式推荐的序列原理

RAG+KG Agent 动态更新机制

RAG 技术原理和实现流程

向量库 vs 知识库 vs 符号记忆？

Multi-modal RAG 原理与挑战

AI Agent 自主智能体实现陷阱

截图界面怎么用 RAG 解析?

Multi-modal RAG 是什么?

RAG 中表格图片怎么处理?

大模型智能体系统架构设计思路

RAG生成阶段Prompt整合策略

RAG 生成阶段 Prompt 怎么构建?

AI Agent 核心特点与局限

RAG 核心架构与工作流程

RAG 怎么提升生成准确性?

RAG 检索模块怎么提升相关性?

地图避障方法有哪些局限?

RAG 检索增强技术有哪些？

医疗 RAG 索引如何保合规?

RAG 检索噪声怎么处理?

外挂数据库怎么提升大模型准确性?

推荐不准的分层诊断

RAG 模型分类有哪些?

偏好数据如何收集与建模?

生成式推荐的序列原理