匹配口述回答：…实把RAG从被动接收信息变成了主动求证。所以我的判断是，传统RAG最适合那些知识相对静态、查询模式比较固定的场景，比如企业内部的知识库问答。一旦涉及实时数据、长尾查询或者高度依赖上下文的任务，就得在检索策略和生成逻辑上都做改造，不能指望一个固定流程解决所有问题。传统RAG本质是检索+生成的线性拼接，问题出在检索端检索噪声：语义相关但实际无关，电商充电器案例上下文冗余：重复信息淹没关键信号，商品参数案例知识更新延迟：实时场景下缓存数据失效，大促价格案例优化方向：重排…

#淘天#Agent#RAG 痛点

面试题·Agent· 蚂蚁

多用户Memory隔离：LangChain改造方案

匹配口述回答：…作，还要考虑读写锁，虽然Redis单线程模型已经解决了一部分。举个例子，比如电商客服场景，用户问退款政策，[[Agent]]查了知识库后给出回答，这段对话要记住。如果另一个用户同时问满减规则，两个会话的Memory必须完全隔离。用Redis方案，两个用户的记忆分别存在不同key下，互不干扰。而且Redis可以设TTL，比如7天，到期自动清理，防止存储膨胀。另外，还有个延伸点，就是当记忆体量特别大的时候，比如一个用户积累了上千轮对话，直接全量加载到prompt里肯定不行。这…

#蚂蚁#Agent#LangChain Memory 隔离

面试题·Agent· 美团

Function Calling 怎么解析用户指令?

…。系统先做意图分类，判断需要调用“取消订单”函数，然后抽取出订单号。这里有个坑：用户可能只说“那个手机订单”，订单号需要从上下文或知识库捞。所以上线时我会特别关注参数抽取的准确率，尤其是枚举类型和时间日期，很容易出错。常见失败场景是参数缺失或类型不匹配，比如用户说“明天”但系统需要 yyyy-mm-dd 格式，这时候需要做归一化。还有一个容易被忽视的点：多轮调用中的状态管理。比如用户说“帮我查北京天气，再和上海比一下”，这实际上涉及两次调用，第二次依赖第一次的结果。模型需要…

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

匹配口述回答：

#美团#Agent#Function Calling 原理

面试题·Agent· 商汤科技

Agent 核心组件与工作流程?

匹配口述回答：…用工具，比如订单系统API和价格API。观察到返回数据后，再推理判断是否满足价保条件。如果信息不够，比如规则没写清楚，它可能再去查知识库。最后生成回复，并执行退款操作。整个过程是动态的，每一步的观察结果都会影响下一步的决策。这里有个重要的边界划分，就是Agent和 [[RAG]] 的区别。很多人容易混，其实RAG更适合静态知识问答，比如查公司政策、手册内容，它是单次检索加生成。而Agent强调的是动态决策和工具交互，适合需要多步推理、调用外部系统的场景。但实际落地时，我通常…

#商汤科技#Agent#Agent 核心组件

面试题·Agent· 百度

Agent 核心组件架构

匹配口述回答：…说“我买了个包，用了个满减券，现在要退，券能退吗”。Agent先调订单查询工具拿到订单详情，发现用了满100减20的券。然后调政策知识库，检索到“券已使用且订单部分退款时，券不退回”。但这里有个风险：政策知识库可能版本旧，或者用户场景特殊（比如商品质量问题导致的退款）。所以我会在上线时特别关注知识库的版本对齐和异常兜底，如果检索结果置信度低，直接转人工，不能让Agent瞎承诺。最后，整个流程走下来，我更倾向于把Agent看成是一个编排层，核心不是模型多强，而是组件之间的契约…

#百度#Agent 核心组件架构#Agent 系统架构怎么搭？规划、记忆、工具与行动

面试题·Agent· 商汤科技

Agent 架构落地看哪些组件?

匹配追问：场景切入假设你在做一个智能客服，用户问“帮我查一下上个月的订单”，然后又说“把销量前十的列出来”。如果只做RAG，查完知识库就停了；但Agent需要去调数据库、跑统计、再出结果。你具体怎么设计这种“能干活”的系统？层层追问你刚才提到RAG，那你能不能讲讲RAG和Agent的核心区别？……好，那Agent的架构里，你觉得最关键的几个组件是什么？……如果我要做一个数据分析助手，自然语言查数据库，你怎么设计它的规划和工具？直球架构请你谈谈对AI Agent技术架构的理解，…

#商汤科技#Agent#AI Agent 架构

面试题·Agent· 百度

Agent 核心组件有哪些?

匹配口述回答：…，别为了用向量而用向量。举个例子，客服场景里用户问“我的订单怎么还没到”，Agent 需要先查订单数据库得到物流单号和状态，然后查知识库里的物流政策，最后查向量库里的类似投诉处理记录。这三个来源缺一不可，不能只靠向量检索。第三个核心组件是工具调用。大模型本身只能生成文本，要执行外部操作必须通过工具。典型方式是 [[Function Calling]]，就是给模型定义一组工具 Schema，模型根据用户需求选择调用哪个工具，并填充参数。比如订单查询工具，参数是订单号，返回状态。…

#百度#Agent#Agent 核心组件

面试题·Agent· 百度

Agent 系统性能优化陷阱

匹配口述回答：…易陷入循环。说到自检，我最近在关注 [[Self-RAG]] 的思路，让模型在生成过程中自己判断是否需要检索，而不是每次都查外部知识库，这样能减少不必要的工具调用。但它的训练数据构造比较麻烦，而且对模型本身的推理能力有要求。所以整体上，我会把Agent性能优化看成一个工程系统问题，不是单点优化。推理要快，工具要稳，错误要能兜底。我更倾向优先保证工具层的可靠性，因为推理再快，工具挂了也是白搭。如果让我选一个最值得投入的方向，我会选结果验证和熔断降级，这是让Agent能在…

#百度#Agent#Agent 性能优化

面试题·文档处理· 字节

文本块如何生成向量并构建可维护索引？

匹配追问：场景切入假设你在做一个企业内部知识库的QA系统，文档被切成很多chunk，每个chunk要转成向量存起来。用户搜一个问题，系统怎么从海量chunk里快速找到最相关的几个？具体你用什么模型做向量化？索引怎么建？层层追问 RAG系统里，文本片段怎么变成向量？……那你对不同的分块长度，嵌入模型的选择有什么讲究？……索引结构用HNSW还是IVF？……在延迟和召回之间怎么权衡？直球架构详细说说从文本分块到向量索引的完整流程。嵌入模型选型时，Sentence-BERT、BERT-…

#RAG#文本向量化#Embedding

面试题·文档处理· 百度

Chunking 策略怎么选?

匹配追问：场景切入我看你简历上做过知识库问答。假设用户问一篇技术文档里的问题，比如问“RLHF的训练流程”，你觉得文档是切成小段好还是整章一起给模型？怎么切才能既找到相关段落又不漏掉细节？层层追问 RAG系统里文档你怎么分块的？……固定长度切和按句子切你觉得哪个好？……那如果一段话被切断了，比如“如图3所示”跑到了下一块，检索到上一块就废了，这种你怎么处理？直球架构请系统讲一下RAG中分块策略对检索和生成的影响。按固定长度、语义边界、滑动窗口和重叠分块这四种，分别说原理、优缺点…

#百度#文档处理#Chunking 策略

面试题·文档处理· 字节

RAG 向量索引构建流程详解

匹配追问：场景切入假设我们搞一个电商客服知识库，给用户上传了一堆PDF产品手册，你准备怎么把这些乱七八糟的PDF变成能让机器人快速检索的向量索引？从原始文件开始一步步说。层层追问 RAG系统里，文档进来后你是怎么处理成向量的？……比如PDF里一堆页眉页脚、表格，怎么去掉噪声？……分块时你一般按什么逻辑切，切多大？为什么？直球架构请完整描述从原始文档到向量索引的构建流程，重点说文档清洗、分块策略、嵌入模型选型、向量存储和索引优化，每个环节讲讲你的设计考量和常见做法。

#字节#文档处理#RAG 数据处理流程

面试题·文档处理· 字节

Chunk 向量化与索引怎么选?

匹配口述回答：…内存模式；如果允许 100 毫秒以上，可以用磁盘型 [[IVF-PQ]] 来降低内存成本。举个例子，一个电商客服系统处理退款纠纷，知识库大概 500 万条退款政策和商品说明，我会选 Qdrant 加 HNSW 索引，因为延迟敏感、过滤条件也多，需要按商家、商品类型做元数据过滤。到了实际落地，真正的挑战不是单个组件选型，而是怎么把关键词检索和向量检索融合起来。纯语义检索在遇到专有名词或订单号时经常翻车，比如用户问“退款到原账户”，但文档里写的是“原路返回”，语义相似度可能不高…

#字节#向量检索#Chunk 向量化

面试题·文档处理· 字节

Embedding+向量库怎么做语义匹配?

匹配追问：场景切入假设你在做电商客服知识库，用户问“上次那个手机多少钱”，系统怎么从几千条产品文档里找到正确的型号和价格？你详细说说从问题到匹配到文档块的完整流程，包括怎么保证语义相似度准。层层追问 RAG系统里用户问题和文档块怎么匹配上？……那向量是怎么来的？……嵌入模型和向量数据库是怎么配合的？比如你设了哪些关键参数，它们怎么影响检索效果？直球架构请设计一个RAG系统的语义匹配模块，从文档分块、Embedding编码到向量检索，说清楚技术实现流程、关键参数设置，以及嵌入模型…

#字节#文档处理#向量检索

面试题·文档处理· 京东

Chunking 策略怎么平衡上下文与精度?

匹配追问：场景切入假设你在做客服文档检索，用户问“怎么退款”，系统从知识库找答案。如果一篇文章很长，你是整个塞进去还是切开？切的话怎么保证上下文不丢、又能精确命中问题？层层追问 RAG系统里文档怎么处理才能让检索效果好？……那如果直接按固定字数切，会不会把一句话切开？……怎么在完整性和精确性之间找平衡？具体你会怎么设计？直球架构设计一个RAG系统的分块策略，核心目标是平衡上下文完整性和检索精确性。你会考虑哪些分块方法？有什么最佳实践？比如重叠、边界处理这些，具体怎么落地？

#京东#RAG Chunking 策略#文本分块最佳实践

面试题·文档处理· 字节

RAG 长文档怎么切块?

匹配追问：场景切入我看你做过知识库问答。假设用户上传了一本几百页的技术手册，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？…

#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：场景切入假设你要给公司做一个内部知识库问答系统，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…

#字节#文档处理#RAG 数据清洗

面试题·文档处理· 字节

医疗法律文档切块

匹配追问：场景切入假设你在做一个医疗知识库的RAG系统，用户问‘阿司匹林和布洛芬能一起吃吗’，结果系统返回了半句诊断和一个检查结果，完全答非所问。你觉得问题大概率出在文档切块上？具体你会怎么切病历和指南这类文档？层层追问你平时做RAG时，文档切块一般怎么考虑？……那如果文档是法律合同，有嵌套条款和引用，你还会用固定长度切吗？……所以针对这种强结构、强引用的专业文档，你觉得关键策略是什么？直球架构在医疗或法律领域的RAG系统中，文本切块需要怎么设计？请你对比固定长度、递归字符、…

#字节#医疗法律文档切块#医疗和法律文档怎么切块？结构、语义与引用边界

面试题·文档处理· 字节

专业领域文档怎么清洗?

匹配追问：场景切入假设你在做医疗领域的知识库问答，原始文档有各种PDF、网页和扫描件，里面还有不少表格和图注。用户问“青霉素的用量”，结果模型老答不对。你觉得问题可能出在数据清洗上？你会怎么处理这些文档才能让检索和生成靠谱一些？层层追问 RAG里检索质量很关键，你一般怎么清洗文档？……如果文档里有大量专业术语，比如“PM”可能是项目管理也可能颗粒物，你怎么处理？……再比如技术手册，你是一个section一个section切，还是怎么切？怎么保证语义完整？直球架构对于专业领域RA…

#字节#RAG 文档清洗#文档预处理

面试题·文档处理· 腾讯

RAG 文档 Chunk 划分策略怎么选?

匹配追问：场景切入我看你做过电商知识库问答。假设用户问'怎么申请退款'，系统检索到一段文档，但那一段刚好在'退款政策'和'退货流程'之间被切断了，回答就少了一半。你觉得这种情况怎么避免？你一般怎么切文档？层层追问 RAG系统里文档怎么切块这个问题，你了解过哪些方法？……比如固定长度切块有什么坑？……那如果我想保证每个块语义完整，有什么更好的办法？……滑动窗口呢，什么场景下用？直球架构讲一下RAG里文档分块策略的常见方法，固定长度、语义边界、滑动窗口这些，各自优缺点和适用场景。你…

#腾讯#文档处理#RAG Chunk 划分

面试题·文档处理· 蔚来

RAG分块策略：粒度、重叠与写入

匹配追问：场景切入我看你做过知识库问答，假设用户上传了一本产品手册，系统要检索相关段落来回答。你会怎么切这些文本？比如一段话跨了两页，或者一个表格横跨几行，切分时怎么保证不丢失关键信息？层层追问 RAG系统里文本分块你一般怎么处理？……如果chunk太小，语义不完整怎么办？……那再加点重叠是不是能缓解？具体重叠多少合适？……最后这些块怎么批量写到向量库里，流程上有什么坑？直球架构设计RAG的文本分块策略，说说你选多大粒度、怎么处理重叠，以及从文档到向量库的完整写入流程。要考虑不…

#蔚来#文档处理#RAG文本分块

面试题·文档处理· 百度

RAG 分块参数调优

匹配追问：场景切入假设你做一个企业知识库问答系统，文档里有长章节、表格、代码。用户问“第三季度营收多少”，你怎么把文档切成一块块，既能定位到数据，又不丢失上下文？层层追问 RAG里文本怎么切块？……你一般用固定大小还是按语义？……那如果你切断了句子，召回时会不会找到不完整的答案？怎么避免？直球架构比较一下固定长度分块、递归分块和语义分块各自的优缺点，以及实际应用里块大小、重叠、边界对齐这些参数怎么设置？

#百度#RAG 分块参数调优#RAG 分块大小和 overlap 怎么调？指标与实验方法

面试题·文档处理· 百度

常用分块方法有哪些?

匹配追问：场景切入假设你在做一个企业内部的知识库问答系统，文档有长有短，有的几百字，有的几万字。你打算怎么把这些文档切成小块去索引？你实际项目里试过哪些分块方法？层层追问 RAG里文本分块一般怎么做？……那如果文档是Markdown或者PDF带标题的呢，你会怎么切？……好，那要是对检索质量要求很高，比如法律合同问答，你又怎么选？直球架构说说文本分块的常用策略，比较一下固定长度、递归、语义、文档结构感知这几种的优缺点和适用场景。

#百度#文本分块策略#RAG chunking

面试题·文档处理· 小鹏

RAG 分块长度与重叠如何取舍?

匹配追问：场景切入假设你要做一个企业知识库问答系统，用户上传了一堆长文档，比如几十页的PDF。你会怎么切这些文档段落？切得太碎可能丢失上下文，切得太长检索又不准，你怎么权衡？层层追问 RAG里文档分块你一般怎么处理？……固定长度切分会有边界问题吗？……那重叠策略呢？……语义完整性怎么保证，比如怎么避免把一个句子切到两个块里？直球架构在RAG系统中设计文档分段策略，需要考虑分块长度、重叠策略和语义完整性三者的权衡。你会怎么定？不同场景下比如事实问答和总结分析，策略有什么不同？

#小鹏#RAG 文档分段#检索增强生成分段策略

面试题·文档处理· 安克科技

RAG向量化流程：预处理到归一化

匹配追问：场景切入假设咱们做一个企业知识库问答，用户上传了一堆混合了中英文的PDF和网页。你怎么把这些文档切成合适的片段，然后转成向量存到库里？从文本清洗到最终向量入库，你具体怎么走？层层追问做RAG检索时，文档和查询怎么变成向量的？……那你文本预处理一般怎么做？……选embedding模型要考虑哪些因素？……向量生成后为什么还要归一化？直球架构请描述RAG系统中文档或查询的向量化全流程，重点讲文本预处理策略、embedding模型选型依据、向量生成与批量优化，以及归一化的作…

#安克科技#RAG 向量化流程#Embedding 模型选择