匹配正文：…行召回融合策略：线性加权（α·Dense_score + (1-α)·Sparse_score）或RRF倒数排序融合选型原因（字节场景）内容平台场景：用户query口语化严重，需要语义理解 → Dense为主电商/搜索场景：商品ID、品牌名需精准匹配 → 必须保留Sparse 成本权衡：全Dense需GPU资源，Sparse在CPU即可低延迟服务关键优化策略层级具体手段索引优化 HNSW参数调优（ef_construction/ef_search）、量化（PQ…

#字节#评估与监控#RAG 检索方法

面试题·检索· 字节

RAG 核心实现原理是什么?

匹配标题与标签：RAG 核心实现原理是什么? 检索增强生成的关键组件与技术架构方案详解检索字节 RAG实现原理 RAG 实现原理 RAG 关键组件 RAG 技术架构字节

#字节#RAG实现原理

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

#RAG 实现原理

面试题·检索· 字节

BM25/向量/混合检索选型

匹配正文：…假设文档，再用该文档做向量检索多查询扩展：LLM生成3-5个变体查询，并行检索后去重场景：用户问题模糊、短查询、专业术语对齐字节场景下的典型选型场景方案抖音电商客服（商品/订单查询）混合检索 + 结构化过滤（类目、店铺ID）飞书知识库（长文档问答）向量检索 + 重排序 + 上下文压缩搜索广告（Query-Ad匹配）双塔模型在线向量召回核心原则：没有银弹，先做Badcase分析，再决定加稀疏、加重排还是改Embedding模型。

#字节#检索方法选型#BM25/向量/混合检索选型

面试题·检索· 字节

专业领域RAG数据与检索优化？

匹配标题与标签：专业领域RAG数据与检索优化？数据预处理、检索优化、生成改进三大环节详解检索字节领域RAG架构 RAG 系统架构专业领域 RAG RAG 检索优化 RAG 生成改进字节

#字节#领域RAG架构#RAG 系统架构

面试题·检索· 字节

RAG检索方法如何优化？

匹配标题与标签：RAG检索方法如何优化？对比 BM25、向量检索与混合检索,技术选型与性能优化策略检索字节 RAG检索选型 RAG 检索方法 BM25 vs 向量检索混合检索 RAG 技术选型 RAG 性能优化字节

#字节#RAG检索选型#RAG 检索方法

面试题·检索· 字节

RAG 架构组件与失败场景

匹配标题与标签：RAG 架构组件与失败场景组件功能与实现流程详解,从检索到生成全链路检索字节 RAG组件协同 RAG 系统架构 RAG 组件 RAG 实现流程字节

#字节#RAG组件协同#RAG 系统架构

面试题·检索· 字节

RAG 架构：检索到生成全链路

匹配标题与标签：RAG 架构：检索到生成全链路组件功能与数据流转详解,从检索到生成全链路检索字节 RAG组件设计 RAG 系统架构 RAG 组件设计 RAG 数据流转字节

#字节#RAG组件设计#RAG 系统架构

面试题·检索· 字节

RAG 系统实现：组件与流程

匹配标题与标签：RAG 系统实现：组件与流程检索增强生成的核心组件与工作流程详解检索字节 RAG系统实现 RAG 实现 RAG 组件检索增强生成流程字节

#字节#RAG系统实现#RAG 实现

面试题·检索· 字节

领域 RAG 架构如何控幻觉?

匹配标题与标签：领域 RAG 架构如何控幻觉? 医疗/法律场景下数据预处理、检索与生成优化方案检索字节专业领域RAG 领域 RAG 架构医疗 RAG 系统 RAG 数据预处理 RAG 检索优化 RAG 生成优化字节

#字节#专业领域RAG#领域 RAG 架构

面试题·检索· 字节

RAG架构：检索器与重排序策略

匹配标题与标签：RAG架构：检索器与重排序策略检索器优化、向量数据库选型与重排序策略详解检索字节向量库与重排序 RAG 架构设计检索器优化向量数据库选型重排序策略字节

#字节#向量库与重排序#RAG 架构设计

面试题·检索· 字节

两阶段 vs 端到端怎么选?

匹配正文：…升（索引维护、版本对齐）端到端的隐性风险：参数知识污染（把训练记忆当检索结果）难以定位错误来源（是检索错了还是生成错了？）字节场景下的实践倾向字节业务（抖音搜索、豆包）通常选两阶段为主，端到端为辅：主链路：向量召回 + 重排序 + 生成（保证可控）快速路径：小知识场景走端到端（降低延迟）关键优化：用稠密+稀疏混合召回提升首阶段质量，减少后续压力

#字节#两阶段检索与端到端生成#两阶段检索

面试题·检索· 字节

RAG 为何需要重排序?

匹配标题与标签：RAG 为何需要重排序? 向量相似度召回局限,大模型重排必要性分析检索字节向量召回与重排 RAG 重排序向量召回局限大模型重排必要性字节

#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

匹配标题与标签：RAG Retriever 工作机制详解输入输出、稀疏/稠密模型、向量数据库与索引结构检索字节 Retriever RAG Retriever RAG 稀疏检索稠密检索向量数据库字节

#字节#Retriever#RAG Retriever

面试题·检索· 字节

Embedding 怎么实现语义召回?

匹配标题与标签：Embedding 怎么实现语义召回? RAG 中查询与文档向量化,余弦相似度计算及优化考量检索字节向量语义召回 Embedding 语义召回 RAG 向量检索余弦相似度向量空间映射字节

#字节#向量语义召回#Embedding 语义召回

面试题·检索· 字节

召回模型怎么搭建?

匹配标题与标签：…流程:特征工程、负采样、向量索引构建检索 Tiktok 负采样与向量索引召回模型搭建推荐系统召回负采样策略向量索引构建字节

#Tiktok#负采样与向量索引#召回模型搭建

面试题·检索· 字节

RAG 工作流怎么应对时效衰减?

匹配标题与标签：RAG 工作流怎么应对时效衰减? 向量检索库构建中信息时效性对召回的影响与优化策略检索字节时间衰减检索 RAG 工作流程向量检索库构建信息时效性衰减召回效果优化字节

#字节#时间衰减检索#RAG 工作流程

面试题·检索· 字节

RAG 向量库怎么处理时间衰减?

匹配标题与标签：RAG 向量库怎么处理时间衰减? RAG 完整流程 + 向量检索库时效性优化策略检索字节向量库时效性 RAG 工作流程向量检索库时效性时间衰减召回字节

#字节#向量库时效性#RAG 工作流程

面试题·检索· 字节

Embedding升级后向量对齐方案

匹配标题与标签：…库增量更新场景下新旧向量对齐的 3 种方案检索抖音向量检索 Embedding 升级向量不一致知识库增量更新向量对齐字节

#抖音#向量检索#Embedding 升级

面试题·检索· 字节

RAG 向量检索怎么高效召回?

匹配标题与标签：RAG 向量检索怎么高效召回? 影响召回效果的关键因素:Embedding 质量、索引结构、查询改写检索字节向量数据库召回 RAG 向量检索高效召回 Embedding 质量索引结构查询改写字节

#字节#向量数据库召回#RAG 向量检索

面试题·检索· 字节

Embedding + 向量数据库怎么搭?

匹配正文：…混合检索：向量相似度 + BM25关键词召回，融合排序（RRF算法）量化压缩：裸向量每维FP32/FP16/INT8为4/2/1字节，总索引另计元数据与结构；INT8需校准，目标Recall/MRR与长尾质量变化要实测，不承诺固定<2%。增量更新：避免全量重建索引，使用HNSW的动态插入特性学习建议建议系统学习该知识点参考资料 Faiss官方内积、余弦与L2关系 DPR原论文的成对查询/文档编码器 BGE-M3官方模型卡与最大序列长度 Sentence Transf…

#字节#Embedding向量检索#Embedding 向量数据库

面试题·检索· 字节

向量检索加速：有哪些陷阱

匹配正文：…生成伪文档也可能偏离原问题并增加延迟与成本。三、模型与计算优化 Embedding量化：只算每维存储，FP32→FP16为4→2字节，INT8为4→1字节；总索引还含图、ID、码本与缓冲。区分向量压缩和模型权重量化，INT8需合适校准，Recall/MRR等质量变化必须实测，不保证<1%。缓存策略：热点Query embedding缓存、结果缓存；预计算高频文档向量批处理推理：Query向量化时合并请求，提升GPU利用率四、工程架构优化分片与分布式：按业务/时间分片…

#字节#检索性能优化#向量检索性能优化

面试题·检索· 字节