匹配口述回答：…决定取舍。当然，前提是工程上能压住延迟和检索质量，不然都是空谈。生成式推荐本质是生成与推荐的博弈模型架构：Diffusion加LLM混合训练策略：在偏好对、奖励与交互成本的前提下比较DPO/PPO 系统集成：RAG加Agent深度整合落地风险与判断收尾约4分钟点击与未点击有曝光/位置偏差，生成的理由也不是天然高质量训练数据。怎样构造同一上下文的可靠偏好对，并用独立评测比较DPO、在线RL和不训练基线？

#小红书#Agent#生成式推荐系统

面试题·Agent· 字节

多Agent协同机制与共享记忆原理

匹配正文：…ility是1–4分等级评分，不是代码可执行率百分比；其表1列出ChatDev 2.25、MetaGPT 3.75。该任务、模型和评测设置下的结果不能写成“单Agent 20%→60%+”，也不代表任意业务必然提升。其他可选架构辩论式（ChatDev）：多个Engineer互相Review代码竞争式：并行生成多方案，由Judge选择最优学习建议建议系统学习该知识点参考资料 MetaGPT原论文SoftwareDev表1与Executability定义

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#多Agent协同

面试题·Agent· 字节

AutoGen vs LangGraph 怎么选?

匹配口述回答：…oupChatManager可配置选发言策略，当前AgentChat也有RoundRobin或Selector等Team；并不都靠LLM决定。模型选择可能偏题，但是否发生及根因要看真实Trace，不能用未经记录的故事替代评测。LangGraph原生支持显式循环边和条件边，你可以用代码精确控制流程，比如如果退款金额超过1000，就走人工审核分支，否则自动退款，每一步都能审计。可扩展性方面，ConversableAgent属于AutoGen0.2接口示例；当前Core/Agen…

#字节#百度#Agent

面试题·文档处理· 百度

Chunking 策略怎么选?

匹配口述回答：…好”被单独切出来，模型不知道“该方法”指什么；块太大，里面噪声多，[[embedding]] 会被多个主题稀释，检索精度下降，塞给大模型也浪费窗口。常见方法里，固定长度分块最简单，按 token 或字符数硬切。优点是稳定、好控制，适合日志、流水、某些无明显结构的文本；缺点是容易切断段落和表格。语义边界分块是按标题、段落、句子或条款切。它能保留完整语义，适合论文、产品文档、合同、技术手册。但问题是块大小不稳定，有的章节很长，需要再做递归切分或摘要压缩。 [[滑动窗口]]是用…

#百度#文档处理#Chunking 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

匹配口述回答：…个固定长度很容易把一句话或者一个逻辑断成两半，检索的时候召回的内容不完整。语义切分就好很多，比如按段落、按标题层级来分，甚至可以用LLM辅助判断自然断点。但语义切分也有代价，就是计算开销大，而且有些文档结构不清晰，反而切不好。所以真正落地的时候，我倾向混合策略：对结构清晰的文档用语义切分，对纯文本或结构混乱的，也要把多组固定长度与无重叠、短重叠、较长重叠作为候选，用同一评测集验证断句、召回、答案质量和成本。另外元数据一定要保留，比如来源、标题层级、时间戳，这能让后面的过滤和[…

#安克科技#RAG 向量化流程#Embedding 模型选择

面试题·评估· 安克科技

RAG 问答金标构建

匹配口述回答：…发集大概500到1000条，用来迭代调优，比如调 chunk 大小或者 rerank 阈值；测试集1000到3000条，做最终对比评测；对抗集200到500条，专门挑高难度、容易翻车的场景，比如需要多跳推理或者要回答“不存在”。三层分开，避免调参时过拟合到测试数据上。先说问题怎么来。我倾向于混合策略，大概70%用 LLM 生成，20%从真实用户日志里挖，10%人工设计对抗样本。LLM生成效率高，但容易有[[幻觉]]，所以我会给一个严格的 prompt 模板，要求它基于给定文…

#安克科技#评估与监控#RAG 问答金标构建

面试题·评估· 百度

MRR 在 RAG 中怎么定义?

匹配正文：…{i=1}^{|Q|}\frac{1}{\text{rank}_i} 其中 rank_i 是查询 i 的第一个相关结果所在排名；若评测截断范围内没有相关结果，该查询记为 0。排第 1、2、3 位时，倒数排名分别为 1、0.5 和约 0.33。在 RAG 中的意义 MRR 对首个有效证据能否尽早出现很敏感，适合评估只向生成器提供较少候选的排序链路。它只使用第一个相关结果的位置，不衡量后续相关证据是否齐全，也不能直接代表生成答案是否正确或忠实。多阶段检索应分别记录初召回和重…

#百度#评估与监控#MRR 定义

面试题·模型微调· 美团

Reranker 训练数据怎么构造?

匹配正文：…内负样本也要防止不同 query 共享答案导致误标。 3. 数据切分与去泄漏按 query、文档来源、时间或用户场景切分训练集和评测集，避免同一问题改写、近重复文档或同一事件跨集合泄漏。线上日志应保留采样策略、召回器版本和曝光位置，便于重放。 4. 训练与闭环比较点式、对式或列表式损失，并在固定召回候选上评估 MRR、NDCG、Recall@K、校准、延迟及最终答案质量。上线后回流高分误召回、低分漏召回和用户纠错，定期重新挖掘难负样本。结论：高价值数据来自真实候选分布和…

#美团#重排与优化#Reranker 训练数据

面试题·模型微调· 字节

RAG 工作原理与架构怎么搭?

匹配口述回答：…用户反馈。所以整体上，我更愿意把 RAG 看作一个工程系统，核心是检索质量和数据质量，模型本身反而没那么关键。 RAG 本质是给大模型配外挂知识库索引-检索-生成三阶段，重点在检索质量优化关键：混合检索、重排、分块策略 RAG 和微调是互补不是替代落地注意点：数据质量、延迟、一致性约4分钟 RAG 系统的质量评估需要综合忠实度、答案相关性等维度，不能只看单环节指标。面试官可能会追问 RAGAS 的具体指标和评测方法，或者怎么在业务中落地 A/B 测试。

#字节#RAG 系统架构#RAG 工作原理

面试题·知识图谱· 字节

GraphRAG 如何支持复杂关系查询？

匹配正文：…和确定性计算完成。GraphRAG 可以帮助找到候选实体、边与证据；持股比例、时间有效性和聚合应交给图查询或业务代码计算，不能让 LLM 根据路径文本猜。 1. 可追踪的图构建分块策略可以是结构化、固定窗口、父子块或语义分块，应通过关系和证据保留率验证，不把语义分块设为必选。实体和关系保留原文范围、时间、方向、置信度和抽取版本；别名合并与共指消解保留可逆映射。图数据库、关系表、邻接表或混合存储都可能满足需求，选型看约束查询、事务、更新、规模和运维。 2. 候选检索与约束…

#字节#知识图谱#GraphRAG 实现

面试题·Prompt· 字节

RAG Generator 怎么构造 Prompt?

匹配题目：在RAG系统中，生成模块（Generator）如何有效整合检索到的上下文信息来构建输入Prompt，并驱动大模型生成准确、连贯的答案？请详细说明Prompt构造的关键要素及其对生成质量的影响机制。

#字节#Prompt工程#RAG Generator Prompt

面试题·Prompt· 字节

Agent任务规划:分解与ReAct机制

匹配口述回答：…信息不足时追问，只有需要人工处理时才创建工单。查询可以安全重试，创建工单则要带幂等键；任何越权、状态冲突或工具超时都进入明确分支。评测不只看最终任务是否完成，还看步骤数、工具选择正确率、参数合法率、重复副作用、人工接管率、P95 延迟和单任务成本。规划是否优秀，最终体现在复杂条件下仍能解释当前状态，并且随时可以停住或恢复。任务分解并不是越细越好。粒度太粗，模型一次承担过多推理和副作用，失败后无法定位；粒度太细，会增加调用次数、状态同步和补偿成本。我会把“能够独立验证结果、失…

#字节#Agent#Agent 任务规划

面试题·RAG· 字节

RAG 查不到文档怎么降级?

匹配口述回答：…率、用户后续是否满意、有没有投诉，然后用这些数据反过来调阈值。另外，我上线前会特别关注一件事：降级策略本身不能引入新的风险。比如大模型兜底时，如果模型对某些词有偏见，可能会生成不当内容。所以我会在 [[System Prompt]] 里加安全约束，同时做一轮离线评测，确保降级后的回答不会比不回答更差。还有一个点我没细说，就是有些场景下可以引入网络搜索做补充，比如时效性强的新闻类查询。但网络搜索的结果质量不可控，延迟也高，我一般只把它当成最后一道防线，而且会加一个独立的审核…

#抖音#RAG降级策略#RAG fallback

面试题·RAG· 百度

RAG 项目指标化复盘

匹配口述回答：…最有代表性的 bad case，说明【关键改动】为什么针对根因，而不是直接罗列 BM25、向量检索或 RRF。检索、排序和生成分层评测，每轮固定语料与测试集做消融。项目结果按【评测结果】填写，同时交代 Recall@K 或排序指标、答案支持率、P95/P99、成本和观察窗口，不能用一个“准确率”概括全链路。我还会准备【失败案例】，解释它是知识缺失、过滤、召回、排序还是生成问题，以及对应的拒答、降级或回滚。语料、embedding、索引、reranker、Prompt 和模型…

#百度#RAG项目复盘#RAG 项目指标化复盘

面试题·检索· 小红书

RAG 检索偏差怎么系统性解决?

匹配口述回答：…电商客服系统里用户查“充电宝上飞机”，用户问的是民航规定，但检索可能因为[[embedding]]相似度高，把一堆充电宝产品介绍和评测文召回来，这些文档语义上相关但事实无关，生成器一综合就可能给出矛盾信息。这里原因有三层：查询侧，用户query太短或者有歧义，embedding抓不到真实意图；索引侧，文档切分不好，关键信息被截断，或者原文档本身质量参差，有过期的、矛盾的；匹配侧，向量检索的语义相似不等于事实相关，这是最根本的坑。解决方案我分三层讲。第一层检索优化。**[[混…

#小红书#美团#重排与优化

面试题·检索· 字节

RAG 系统迭代优化方向有哪些?

匹配正文：…G-Fusion（多查询结果融合生成）后处理验证：答案与检索片段的事实一致性校验、置信度打分过滤系统级迭代离线评估：构建领域评测集，端到端答案准确率 vs 检索命中率联动分析在线监控：检索空结果率、生成幻觉率、用户反馈闭环学习建议建议系统学习该知识点

#字节#RAG迭代优化#RAG 优化

面试题·检索· 字节

RAG 为什么需要 Rerank?

匹配正文：…ross-Encoder：精度最高，计算开销大（BERT类模型） ColBERT：Late Interaction平衡效率与效果 LLM-as-Reranker：直接用大模型判断相关性（成本更高，用于关键场景）

#字节#Rerank模型#RAG Rerank

面试题·检索· 小鹏

RAG文本分段策略与重叠机制

匹配口述回答：…以我通常会同时把包含这个小chunk的[[父文档]]或者更大范围的上下文也带上，比如用 Parent Document 的方式，让大模型有足够的上下文去生成答案。这样既保住了检索的精确度，又保证了生成的完整性。落地时我倾向一套组合拳：先做结构感知分段，按标题层级把文档拆成逻辑块，每个块再根据内容长度决定是否继续切，chunk size 与重叠窗口均由同一评测集上的结果决定。然后建立两层索引：细粒度chunk用于精确检索，粗粒度块用于生成上下文。上线后我会持续关注两个指标：一…

#小鹏#文本分块优化#RAG 文本分段

面试题·项目与经历· 美团

技术项目怎么讲出亮点?

匹配口述回答：…、维护或风险】。工程细节要挑本人最熟的一处展开。例如数据如何版本化、接口怎样幂等、模型如何灰度、异常怎样回退、监控怎样定位。若是大模型项目，还要说明prompt、知识库、模型和评测集的版本，避免把线上变化归因错。若涉及用户数据，要说明权限、脱敏和日志边界。结果只讲可复算指标。填写【优化前后质量、延迟、资源、失败率或人工时长】，注明比较窗口、样本量、硬件和是否同流量。没有真实数字时可以说目前只完成原型并描述观察，不要编提升百分比。团队总指标与个人动作之间还要有实验或上线记录…

#项目经验#系统设计#技术选型

面试题·Agent

Agent 项目经历完整复盘

匹配追问：场景切入假设我们接一个电商客服的活，用户问‘我的退款到哪了’，其实背后要查订单、查支付、查退款状态。现在我想让大模型自己规划这些步骤、调API，你之前做过类似的项目吗？能具体讲讲吗？层层追问你做过AI Agent相关的项目吧？……先说说背景，是解决什么业务问题的？……那技术方案上，你怎么让Agent规划步骤、调用工具的？……你自己负责了哪部分，有没有遇到什么难点？……最后效果怎么样，有数据吗？直球架构直接来，介绍一个你主导的AI Agent项目。说清楚项目背景、技术…

#Agent 项目复盘#任务成功率#Agent 项目经历完整复盘

面试题·文档处理· 字节

专业领域文档怎么清洗?

匹配口述回答：…加。所以上线我会特别关注那些长尾 query 的召回变化。说到质量闭环，其实还有一个延伸点：清洗规则本身可以自动化迭代。比如用 LLM 做清洗质量评估，或者用 [[NER]] 模型自动检测术语覆盖率，这样能减少人工维护成本。但前提是领域语料足够丰富，否则模型自己也会出错。所以整体上，我更倾向把文档清洗看成一套持续迭代的工程系统，而不是一次性预处理。核心思路是：清洗宁可保守，不要激进；分块先保语义边界，再用评测证明是否需要重叠；元数据宁可多存，不要漏掉。这样虽然前期工作量稍…

#字节#RAG 文档清洗#文档预处理

面试题·Prompt· 字节

RAG 生成阶段 Prompt 怎么构建?

匹配追问：场景切入假设你在做一个电商客服RAG，用户问‘这个手机续航怎么样’，系统从文档库捞了产品参数和几条评测。你打算怎么把这些内容拼成一个Prompt，让模型既能用上资料，又别自己瞎编？层层追问 RAG里检索回来的文档怎么喂给模型比较好？……你直接拼一段文字丢进去？……那如果资料太长、或者相互矛盾，Prompt里怎么处理才能让模型正确理解？直球架构现在让你设计一个RAG生成阶段的Prompt模板，要求模型严格基于上下文回答，并且能输出引用来源。你给出具体的模板结构，再讲讲有…

#字节#Prompt工程#RAG Prompt 构建

面试题·检索· 网易

BM25+向量+Cross-Encoder 怎么组合?

匹配追问：…们做一个电商搜索，用户搜“苹果手机”，你既要召回精准匹配的iPhone，又要能泛化到“华为手机”这种语义相关的，但预算有限不能全上大模型。你打算怎么把BM25、向量召回和cross-encoder搭起来，既快又准？层层追问检索系统里召回和排序你是怎么做的？……如果只用BM25，长尾查询效果差，加向量召回又会引入噪声，你怎么融合这两路结果？……Cross-encoder很慢，你会在哪个阶段用它，怎么保证整体延迟可控？直球架构请设计一个三阶段检索架构，整合BM25、向量召…

#网易有道#BM25向量Cross-Encoder#BM25 向量召回 Cross-Encoder

ZeRO 与 FlashAttention 各优化什么?

生成式推荐系统有哪些改进方向？

多Agent协同机制与共享记忆原理

AutoGen vs LangGraph 怎么选?

Chunking 策略怎么选?

RAG向量化流程：预处理到归一化

RAG 问答金标构建

MRR 在 RAG 中怎么定义?

Reranker 训练数据怎么构造?

RAG 工作原理与架构怎么搭?

GraphRAG 如何支持复杂关系查询？

RAG Generator 怎么构造 Prompt?

Agent任务规划:分解与ReAct机制

RAG 查不到文档怎么降级?

RAG 项目指标化复盘

RAG 检索偏差怎么系统性解决?

RAG 系统迭代优化方向有哪些?

RAG 为什么需要 Rerank?

RAG文本分段策略与重叠机制

技术项目怎么讲出亮点?

Agent 项目经历完整复盘

专业领域文档怎么清洗?

RAG 生成阶段 Prompt 怎么构建?

BM25+向量+Cross-Encoder 怎么组合?