匹配口述回答：…：向量检索像模糊匹配，BM25像精确匹配，两者互补。真正上线时，我会特别关注Query改写，比如用户说“退款没到”，我会用HyDE技术先生成一个伪文档，再拿去检索，效果提升很明显。生成阶段，核心是上下文压缩和Prompt设计。检索回来的Top-K文档可能有很多冗余，直接全塞进Prompt会稀释关键信息，还浪费token。我会先用LLM做一次摘要，或者只保留和query最相关的片段。Prompt里要明确要求模型引用来源，比如“根据文档第三段……”，并且强制模型说“不知道就拒绝…

#字节#领域 RAG 知识库构建#领域 RAG 知识库怎么建？数据处理、索引与检索

面试题·模型微调· 美团

RAG 解决了哪些核心问题?

匹配题目：RAG技术主要解决了大模型应用中的哪些核心问题？请结合实际应用场景说明其价值。

#美团#知识增强#RAG 核心问题

面试题·RAG

什么是 RAG？一句话讲清检索增强生成

匹配正文：…nted Generation，检索增强生成）是一种让大模型在回答问题之前，先从外部知识库中检索相关资料，再基于这些资料生成答案的技术方案。它把模型“背在脑子里的知识”（训练时学到的参数）和“随时可查的资料库”（外部文档）结合了起来。打个比方：纯大模型答题像闭卷考试，全靠训练时背下来的内容；RAG 则是开卷考试，答题前先翻书找到相关章节，再组织语言作答。为什么大模型需要 RAG 大模型的短板 RAG 怎么补知识有截止日期，训练之后的新信息一概不知知识库随时更新，不用重…

← 上一页第 8 / 8 页

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

#入门#基础概念#什么是RAG

面试题·多模态· 字节

Agent 优势与局限怎么分析?

匹配口述回答：…数增长，商业化场景下很难承受。还有一个安全边界的问题：Agent 自主调用工具，万一它自己去执行了删除订单的接口怎么办？你很难在 prompt 里把所有边界都定义清楚，常见失败场景就是 Agent 越权操作。所以落地时我特别关注前提条件：工具接口必须是幂等的，而且要有审核层。比如写操作先走审批，读操作才放行。不满足这些，Agent 上线就是定时炸弹。再说说技术趋势。现在比较热的是 [[Multi-Agent]]，比如 MetaGPT 那种，让一个 Agent 当产品经理，…

#字节#Agent#Agent 优势与局限

面试题·RAG· 字节

垂直领域 RAG 完整架构

匹配口述回答：…一定要补上。生成优化，我关注的是可控性。模型我会选基座加领域 [[SFT]]，比如用Huatuo或LawGPT，而不是从头训练。Prompt里我会强制要求引用格式，比如 [来源:指南名称/条款编号]，这样能溯源。生成后我会做两步：一是[[幻觉]]检测，计算检索内容和生成的N-gram重叠度，太低就拒答或降级。二是置信度分级，高置信直接回答，中置信建议复核，低置信就转人工。说白了，生成不是越聪明越好，而是越可靠越好。安全合规这块，其实是整个系统的底线。权限隔离是必须的，比如…

#字节#垂直领域RAG#垂直领域 RAG 完整架构

面试题·RAG· 字节

上下文错误时怎么保证输出准确?

匹配口述回答：…个很实用的做法是引用锚定，强制模型在生成时标注信息来源，比如“根据[文档A]……”，这样方便追溯。另外我还会在 [[System Prompt]] 里显式要求模型识别上下文中的冲突信息并报告，这叫矛盾检测提示。再配合置信度阈值，如果模型对输出不确定，就让它说“我不知道”或者请求人工确认。这里有个坑：如果阈值设得太高，很多正确回答也被过滤了，所以得根据业务容忍度调。输出层做后验校验也很关键。比如对生成内容里的数字、日期、人名，用独立模型或规则库做事实性验证。还有一个技巧是一致…

#字节#错误上下文处理#RAG 上下文错误

面试题·检索· 美团

RAG 流程各阶段怎么拆?

匹配正文：…4. 上下文构建文档截断/压缩：按相关性加权拼接，超长时优先保留高相关片段结构化注入：标注来源、时间、标题等元信息，便于溯源 Prompt模板：固定格式包裹检索结果，明确区分系统指令、上下文、用户问题 5. 生成阶段约束生成：通过Prompt要求模型基于上下文回答，不确定时明确拒绝引用标注：输出中标注信息来源段落编号后处理校验：事实一致性检测，冲突信息过滤 6. 异常处理检索为空或分数过低 → 触发直接生成/联网搜索/提示用户补充信息生成超时 → 返回检索摘要+…

#美团#评估与监控#RAG 工作流程

面试题·检索· 美团

RAG 完整工作流程怎么跑?

匹配追问：…开始……第一步你通常做什么？……检索完拿回一堆文档，你会直接丢给模型吗？……中间加一个重排序步骤有必要吗？……最后怎么把上下文塞进prompt里？直球架构请详细描述RAG系统的完整工作流程：从用户提问开始，涵盖查询改写、多路检索、重排序、上下文构造到生成答案。每一步具体怎么做，用了什么技术？

#美团#RAG全链路#RAG 工作流程

面试题·检索· AIlab

RAG流程优化：三大层面策略

匹配口述回答：…让[[RAG]]在真实场景下真正好用，不光是跑通流程。核心就一句话：把所有优化手段看成在检索质量和生成质量之间找平衡，而不是单纯堆技术。我分几个层面讲一下。先说检索层。这里最容易出问题的是[[分块]]策略。很多人上来就固定切512个token，但实际效果很差。比如做客服问答，用户问“退款流程”，如果你把整个退款条款切成一个块，那没问题；但如果问“七天无理由退货的运费谁出”，答案可能散落在不同段落里。所以我会按语义结构来分，比如标题-内容层级，或者用[[滑动窗口]]加重叠，确…

#AIlab#RAG流程优化#RAG 优化

面试题·检索· 美团

RAG 检索器与知识库怎么搭?

匹配追问：…只有几万条业务文档，又要实时检索，你会怎么搭这个系统？……那检索到的东西怎么喂给模型，才能让它准确引用？直球架构聊一下RAG的技术细节。你从检索器选型、知识库分层、到生成模型集成，整个链路怎么设计的？比如双路召回、混合排序、Prompt组装这些，具体怎么落地？

#美团#知识库构建#RAG 检索器设计

面试题·检索· 商汤科技

RAG 两阶段架构：模块与数据流

匹配口述回答：…型精排，把最相关的文档排到前面。重排之后就是上下文融合，把检索到的文档按相关性排序，截断到LLM能接受的token长度，然后组装成Prompt。最后交给LLM生成答案。这里要特别注意拒答场景，如果检索到的文档跟Query完全不相关，LLM应该明确说“没有找到相关信息”，而不是硬编一个答案。说到边界划分，RAG适合场景是知识库频繁更新、需要引用外部证据的，比如企业内部的SOP文档或者合规政策；而微调适合让模型学会固定的格式或风格，比如客服话术模板。检索层面，关键词搜索适合精确…

#商汤科技#两阶段文档处理#RAG 系统架构

面试题·检索· 百度

RAG 三阶段原理与失败场景

匹配题目：请详细描述检索增强生成(RAG)技术的基本工作流程，包括检索、增强和生成三个核心阶段的具体实现方式。

#百度#RAG三阶段#RAG 工作流程

面试题·模型训练· 海尔

LoRA 低秩分解 vs 全量微调怎么选?

匹配追问：LoRA的秩r如何选择？有什么经验或理论指导吗 LoRA和Adapter、Prompt Tuning相比各有什么优劣实际部署中LoRA权重如何与基座模型合并，推理延迟会增加吗场景切入假设现在要为同一基座适配多个下游任务，存储和优化器状态是主要约束。你会怎样评估 LoRA 是否合适，并验证质量是否达到任务门槛？层层追问 LoRA 怎样表示权重增量？……参数量如何按输入维、输出维和 rank 计算？……target modules 选错会怎样？……什么时候可能不如全参数微…

#LoRA#参数高效微调#低秩分解

面试题·模型训练· 字节

SFT vs 预训练:核心区别在哪?

匹配追问：…T 的 loss mask 怎样工作？……复读、记忆与遗忘如何区分？……什么证据支持继续用 DPO、在线 RL、工具或规则？直球技术请对比预训练与 SFT 的目标、数据、模板、损失范围和训练配方，分析 SFT 风险，并说明后续对齐方法应由哪些任务与安全评测选择，而非存在“必须 RLHF”。

#监督微调#预训练对比#复读机问题

面试题·项目与经历· 美团

信息抽取：规则 vs LLM

匹配追问：…规则？……语义变化大时 LLM 的优势和风险是什么？……JSON 合规是否代表内容正确？……高风险字段怎样校验、审计和回退？直球技术请比较规则与 LLM 信息抽取的适用场景、准确性、维护成本、延迟、可审计性和错误边界，并设计混合架构与评测。

#规则引擎#LLM应用#成本优化

面试题·评估· 字节

LLM 幻觉与安全风险怎么缓解?

匹配追问：…训练能解决什么？……检索与工具怎样提供证据，又怎样防提示注入？……解码能保证事实吗？……后处理、拒答、转人工和红队怎样组合？直球技术请从训练数据、后训练、检索/工具、解码、后处理、权限与评测系统说明幻觉和安全风险治理，并明确各层不能保证什么。

#幻觉检测#内容安全#RLHF

面试题·项目与经历· 字节

大模型 vs 搜推小样本特征怎么融合?

匹配追问：…dding 与交叉特征保留什么信息？……两路特征在召回、特征层还是 logits 层融合？……小样本怎样迁移并避免时间泄漏？直球技术设计大模型语义能力与搜索推荐高维稀疏特征的融合方案，说明训练、迁移、召回/重排、延迟和评测取舍。

#特征工程#迁移学习#多模态融合

面试题·Agent· 蚂蚁

Agent项目经验怎么突出亮点?

匹配口述回答：…出负责人；第二张是请求时序图，标出模型在哪些节点只给建议，哪些节点能产生副作用。这样“我负责 Agent”不会变成模糊的大包大揽。技术选择也要绑定约束：流程稳定、分支有限时优先工作流；需要根据观察动态选工具时才引入 Agent；只有存在明确并行或专业分工收益时再考虑多 Agent。结果部分不能只报一个最终值。质量指标要说明任务完成的判定者，延迟要区分排队、模型和工具，人工量要说明转人工规则是否变化，成本要包含重试与失败请求。若几个模块同时上线，就用消融、灰度或分桶说明哪个动…

#蚂蚁#AI Agent 项目经验#大模型业务落地