匹配正文：…数据库和确定性工具。降低温度只减少采样随机性，不能修复错误知识。知识增强：RAG 提供可更新、可引用证据，并配合混合检索、重排、权限过滤和引用定位。检索错误、文档冲突、提示注入或模型忽略证据时仍会失败。后处理：拆分可验证声明，用权威数据源、规则、专用模型或人工复核。验证器也会出错，并增加延迟与成本。产品策略：展示证据和不确定性，允许澄清与“不知道”，按风险限制自动执行范围。评估应分别测检索命中、引用正确性、证据忠实度、事实准确率、校准、拒答质量和端到端任务成功率。目标…

#阿里#幻觉治理#大模型幻觉缓解

面试题·评估· 字节

大模型 Agent 优缺点怎么分析?

匹配正文：…理链幻觉上下文瓶颈：复杂任务超出窗口，关键信息丢失系统层面延迟与成本：多轮工具调用导致TTFT和总耗时不可控安全边界：工具权限管控、沙箱隔离、提示词注入攻击体验层面不可解释性：用户难以理解Agent"为什么这么做" 过度依赖：简单任务也走复杂规划，性价比低未来趋势与挑战方向判断 Multi-Agent协作：从单Agent到多角色分工（如MetaGPT、AutoGen），解决复杂任务分解具身智能（Embodied AI）：Agent从数字世界走向物理世界，机器…

#字节#Agent#大模型 Agent 优缺点

面试题·评估· 字节

共识算法如何落地多Agent？

匹配正文：…rchestrator）调度 2. 共享记忆机制全局知识库：所有Agent可读写分层记忆：短期工作记忆 + 长期知识存储记忆权限控制：部分敏感信息隔离 3. 角色分工机制预定义角色：规划者、执行者、验证者动态分工：根据任务复杂度自适应调整具体展开：基于共享记忆+角色分工的协同方法实现原理用户请求 → Orchestrator分析 → 写入共享上下文 → 各Agent按角色读取执行 → 结果汇总典型角色设计角色职责读写权限 Planner 拆解任务、制定…

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#评估与监控#Agent

面试题·评估· 美团

Agent 哪个方向最易落地?

匹配正文：…：代码建议用户可选择性采纳，不像客服/办公场景的错误有直接业务损失四、与其他方向对比方向核心障碍自动化办公企业数据孤岛、权限复杂、错误代价高电商客服客单价低、需要情感交互、售后纠纷敏感科研辅助验证周期极长、容错率低、领域极度分散关键突破点：从"代码补全"进化为"需求→代码→测试→部署"的端到端Agent，需解决多文件理解和安全执行环境两个问题。

#美团#评估与监控#Agent 商业落地

面试题·评估· 美团

Agent 外部工具怎么封装?

匹配正文：… 维度设计要点可扩展性插件化加载（动态import）、热更新机制观测性调用链路追踪、耗时/成功率监控安全性参数脱敏、权限校验、沙箱执行 LLM友好错误信息回传、执行结果摘要化五、典型调用流程 LLM输出工具调用 → 解析name+arguments → 参数校验 → 执行工具 → 结果格式化 → 回传LLM继续推理注意：工具返回需控制token长度，超长内容建议摘要或截断。

#美团#评估与监控#Agent

面试题·模型微调· 百度

Tool Calling 技术路径怎么选?

匹配正文：…需条件。一条可审计的执行链用户请求 → 服务端鉴权并选择可见工具 → 模型提出结构化调用候选 → 服务端校验schema/对象权限/当前状态/预算 → 必要时用户确认 → 带幂等键执行 → 返回结构化结果与来源 → 决定继续、响应或停止模型只能提出调用候选。即使参数符合 schema，也必须在服务端重新验证工具白名单、字段范围、资源归属和业务状态。网页、文件和工具结果属于不可信输入，不能覆盖系统策略或扩大可用工具。表达、编排和训练怎样选择原生工具调用/严格结构化输出…

#百度#模型微调#Tool Calling 实现

面试题·模型微调· 美团

Reranker 训练数据怎么构造?

匹配正文：…3、30% 或 Kappa 0.6 门槛。 1. 先定义标签明确直接支持答案、部分支持、仅主题相关和不相关的边界，并规定时效性、权限、来源质量和冲突证据如何标注。多证据问题可以使用分级相关性或列表式标签；若最终训练采用二分类，再说明如何映射。用双人标注、仲裁和抽样复审估计一致性；目标值应结合任务难度和误标成本设定。 2. 正负样本构造正样本来自人工确认的支持证据、可靠点击或业务结果，但点击日志必须校正位置偏置和曝光偏置。易负样本用于学习基本主题边界；难负样本应从 B…

#美团#重排与优化#Reranker 训练数据

面试题·模型微调· 华为

Few-shot vs Zero-shot vs Fine-tuning 怎么选?

匹配正文：…、可由高质量示例表达的行为问题，例如分类边界、固定输出风格或持续的指令遵循失败。若缺的是当天政策、库存、告警或可引用事实，应通过受权限控制的数据查询或 RAG 提供上下文；微调不能替代实时事实源。两个常见误区 Few-shot 不等于复制示例。 In-context learning 是模型根据当前上下文调整预测，效果会受模型、任务、示例内容与顺序影响；研究中也存在 zero-shot 优于某些 few-shot 排列的情况。示例放在请求里不等于满足合规。数据是否留存、…

#华为#Few-shot 提示#Zero-shot 对比

面试题·模型微调· AIlab

RAG 检索精度提升的三大陷阱

匹配正文：…建立可复现基线：固定语料、标注 query、相关性定义和 Recall@K/MRR/NDCG。检查知识覆盖、解析、分块、元数据与权限，再比较查询改写、稀疏/稠密/混合召回。只有正确文档已经进入候选集时，Cross-Encoder 等重排器才可能改善高位排序；否则应先修召回。 Embedding 微调、难负样本和索引参数必须分别做消融，避免同时改动后无法归因。生成层对候选证据做去重、冲突检测、上下文预算和位置安排。 Prompt 明确证据边界、引用格式和证据不足时的行为…

#AIlab#检索器优化#RAG 优化

面试题·模型微调· 百度

Prompt Engineering 关键原则有哪些?

匹配正文：…答案正确。 4. 角色与上下文角色提示可帮助约定语气、职责和评审标准，不能赋予模型未提供的政策、法律或专业事实。事实问题应提供受权限控制的当前资料、检索或工具，并要求引用与缺证据时拒答。把模型称为“资深专家”不能替代事实和风险校验。怎样评估和选方案建立包含正常、边界、对抗、长输入和无依据问题的版本化评测集，记录任务正确率、格式通过率、引用支持、安全失败、延迟和成本。提示变化用同一数据盲测并保留回滚。格式/语气问题先改提示；缺当前知识用 RAG/工具；稳定行为或领域映射不…

#百度#模型微调#Prompt工程

面试题·模型微调· 美团

RAG 解决了哪些核心问题?

匹配正文：…主要缓解参数知识过期、私有知识缺失和事实依据不足。它改善的是知识访问链路，不保证自动消除幻觉，也不能替代模型本身的推理、工具执行或权限控制。 1. 知识时效性知识库更新后仍需经过解析、分块、索引和发布，查询才能读到新版本。天气、订单和实时价格等数据更适合通过实时 API 或数据库工具获取，再把结果作为生成依据，而不是依赖静态向量库。 2. 私有与领域知识企业政策、产品手册和内部流程可以通过检索按权限注入上下文，无需为每次事实变化重新训练模型。系统仍要做好文档级授权、租户隔…

#美团#知识增强#RAG 核心问题

面试题·Prompt

System Prompt 和 User Prompt 有什么区别?

匹配正文：…高于 user。比如 system 禁止透露内部价格表，用户再怎么问也应被拒绝。但要注意两点：这是概率上的行为倾向，不是操作系统权限那样的硬隔离——精心构造的 user 输入仍可能绕过限制，这就是提示词注入因此生产系统不能只靠 system prompt 做安全，需要配合输入过滤、输出审核等外层防线入门之后，可以往提示词注入与防御、多轮对话的上下文管理、各厂商消息角色设计差异深入。

#入门#基础概念#System Prompt

面试题·Agent

MCP 是什么，与 Function Calling 什么关系？

匹配正文：…er 自动安全、可靠或兼容所有 Host。 Host、Client 与 Server Host：面向用户的 AI 应用，负责模型、权限策略、用户同意和整体编排。 Client：Host 内与某个 Server 建立有状态连接的协议组件，协商能力并交换消息。 Server：提供工具、资源或提示等能力，可以是本地进程，也可以通过受支持的远程传输连接。 Host 会控制哪些 Server 可连接、哪些能力能呈现给模型，以及调用前是否需要用户确认。Server 暴露能力不等于获得 H…

#MCP#Model Context Protocol#Function Calling

面试题·知识图谱· 高德

知识图谱更新：增量 vs 流式

匹配正文：…O，例如某类变更从权威源提交到查询可见的 P95 延迟；一致性则要说明查询是否允许读旧版本、跨实体约束是否必须同时生效，以及删除和权限变化多久内完成传播。不同数据不能共用一条承诺：价格、道路封闭、别名和离线统计的风险不同。 1. 变更事件与顺序无论入口是 CDC、消息、回调还是批量文件，都先归一成带有 event_id、实体键、操作类型、来源版本、事件时间和内容哈希的变更事件。event_id 用于幂等；来源版本而不是消费者收到消息的时间决定新旧。删除应有 tombston…

#高德#知识图谱#知识图谱更新机制

面试题·知识图谱· 字节

GraphRAG 原理与传统 RAG 如何选择？

匹配正文：…、社区和摘要的更新/删除传播满足 SLO 医疗、风控等高风险场景不能把图路径直接用于诊断或决策。答案应回到底层证据，并由领域规则、权限和人工流程控制。评测与成本在同一查询集比较关键词、向量/混合、GraphRAG 及组合方案。分开看证据 Recall@K、实体链接与关系精度、答案正确性和事实支持、全局问题覆盖、更新延迟、P95 查询延迟、索引/模型成本及越权率。GraphRAG 的价值来自某类查询上的可测增益，不来自“图一定比向量更会推理”。参考资料 Microsoft…

#字节#GraphRAG 原理#GraphRAG vs RAG

面试题·知识图谱· 淘天

GraphRAG 增量更新怎么保实时?

匹配正文：…社区、社区报告和向量表示。增量更新的关键不是给每层贴标签，而是保存来源文档/文本单元到所有派生物的可追踪关系，使新增、修改、删除和权限变化都能传播。 Microsoft GraphRAG 提供 graphrag update，标准和 fast 方法都支持更新现有索引；配置中的 update_output_storage 保存原索引，输出表还用 period 辅助增量合并。这说明更新能力真实存在，但不代表任何数据都能只重算固定的一两跳，或保证与全量重建完全相同。更新流水线识…

#淘天#GraphRAG 增量更新#知识图谱实时性

面试题·知识图谱· 淘天

GraphRAG 落地的主要技术挑战是什么？

匹配正文：…系方向和置信度，并回到原文验证。预计算是否有效取决于查询分布和图更新，不存在通用的 70%–80% 覆盖率。缓存还要携带图版本与权限，避免旧路径或跨租户结果继续命中。 3. 图、文本、向量与报告的一致性融合顺序没有固定答案：可以由文本找到实体后扩图，也可以由结构约束筛选文本，还可以并行召回再融合。需要在目标查询上比较覆盖、重复、噪声和延迟。图数据库提供哪些时间或事务能力应按具体产品版本验证，不能把“时间戳版本”当作通用功能。更新时，实体关系、向量和社区报告可能在不同存储…

#淘天#知识图谱#评估与监控

面试题·知识图谱· 字节

GraphRAG 如何支持复杂关系查询？

匹配正文：…使用。 3. 生成与校验将结构化查询结果、路径及其来源文本一起提供给生成器，要求答案逐项引用证据。数值聚合、日期比较、集合交并和权限判断由确定性执行器完成，并校验返回行数与截断。图上相关关系不能自动升级为因果关系；医疗、风控等高风险结果只能作为检索线索，后续由领域系统或人员判定。 4. 回归测试同名实体、关系方向相反、边已过期、路径存在但无原文支持、多个等长路径、空结果、结果爆炸、权限不同和更新后旧缓存。指标包括实体链接 top-k、证据 Recall@K、路径精确率、计…

#字节#知识图谱#GraphRAG 实现

面试题·知识图谱· 淘天

GraphRAG 增量更新策略与挑战？

匹配正文：…报告和向量。在 staged generation 生成派生物，所有记录携带 generation 和来源版本。运行结构校验、权限/删除传播、固定查询回放，以及与全量基线的抽样或完整差异比较。门禁通过后切换 active generation；失败则继续服务旧版并记录差异。双缓冲只是可能的发布方法，数据大时也可使用版本化表、不可变对象存储与别名/指针切换。历史版本保留多久要按审计、恢复目标、存储成本和删除义务制定，不能统一设置“最近 N 个”或 TTL；涉及删除请求时…

#淘天#GraphRAG 增量更新#知识图谱动态维护

面试题·知识图谱· 百度

GraphRAG 何时能改善召回质量？

匹配正文：…误，确定性的图遍历只会稳定地扩大错误。可能产生增益的三种机制实体归一与关系约束：把别名映射到候选实体，按关系类型、方向、时间和权限过滤邻域。向量检索本身也能区分不同关系的文本表达，只是没有显式执行图约束；两者需在目标查询上比较。跨文档候选路径：图遍历可发现未在同一片段共现的候选边，但每条边仍要回到来源文本。路径存在表示索引中存在连接，不自动表示因果或事实有效。社区级概览：社区报告可为数据集级问题提供候选主题和分组视角；摘要可能遗漏条件或放大抽取错误，因此答案应下钻到实…

#百度#知识图谱#评估与监控

面试题·知识图谱· 淘天

GraphRAG 如何保证时效性与一致性？

匹配正文：…rovenance、generation 和抽取/提示版本。查询只能组合兼容的 generation，避免新图配旧摘要或新向量配旧权限。图数据库事务可原子修改它管理的实体和关系，却不能自动覆盖外部向量索引或 LLM 生成报告。跨系统更新通常采用 staged generation：变更幂等写入权威事实和变更日志。在新 generation 生成或重算派生物。校验引用完整性、删除/ACL 传播、社区覆盖和固定查询质量。门禁通过后切 active generation，…

#淘天#GraphRAG 增量更新#动态知识图谱

面试题·知识图谱· 高德

知识图谱更新怎么保证实时性与一致性?

匹配正文：…C端查询场景（99% case）强一致性：分布式事务（如Neo4j的Causal Clustering）或两阶段提交，用于资金、权限等敏感边版本控制：实体带version字段 + 向量库双写，更新失败可回滚三、高德场景的优化实践冷热分离：热数据（实时路况）放内存图库（如NebulaGraph），冷数据归档冲突消解：同一POI多源数据时，按数据源优先级 + 时间戳仲裁预计算补偿：更新后异步触发相关路径的重计算，避免查询时实时join 一句话总结增量流处理保实时，版…

#高德#知识图谱#知识图谱实时更新

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：…优点：精确查询、可验证、支持复杂逻辑（SQL/图遍历）缺点：需要预定义schema，难以处理模糊语义场景：用户画像、交易记录、权限规则、精确数值计算 3. 外部符号记忆（工作记忆扩展）形式：外部存储的代码、笔记、待办清单（如MemGPT的虚拟上下文）优点：显式可控、可编辑、支持长程规划缺点：需要LLM自主管理读写，增加推理负担场景：多步骤任务追踪、跨会话目标维护、自我反思记录选型与组合策略需求特征推荐方案 "类似的经历" 向量数据库 "确切的金额" 结构化数…

#字节#Agent#Agent 长期记忆

面试题·Prompt· 百度

Agent系统架构怎么选？

匹配正文：…如ERNIE-Tiny），复杂推理用大模型异常处理与安全保障幻觉检测：工具返回结果与LLM生成答案做一致性校验（NLI模型）权限控制：工具打标签（read/write/dangerous），敏感操作需二次确认熔断机制：单工具失败率>30%自动降级，切换备用方案

#百度#评估与监控#Agent