匹配正文：分块粒度选择核心原则：分块不是先猜一个万能数字，而是先保留文档的标题、段落、表格和代码边界，再用同一批业务问题比较候选方案。块更小可能更容易命中局部事实，但也更容易丢失上下文；块更大能保留论证链，却可能引入更多无关内容。场景候选切法验证重点通用问答先按段落或句子边界切分关键事实能否完整召回代码/API文档函数、类或接口级别定义与用法是否仍在同一语义单元论文/报告标题与段落级别论点、证据与结论是否被拆散对话记录单轮或相关多轮合并指代与话题是否连贯…

#蔚来#文档处理#RAG文本分块

求职指南·求职

领域八股速通:RAG / Agent / 评估 / 微调高频考点地图

匹配正文：…是只会调库先看哪个 RAG 教程:为什么需要 → 架构 → 分块 → 检索一路做完代表题型 "为什么用 RAG 不直接微调""分块粒度怎么定""检索到无关内容怎么办""怎么防止模型胡说" 项目里怎么体现讲清你的分块策略为什么这么切、召回率你拿什么衡量、有没有做过 badcase 复盘刷题去 RAG 基础题库。 Agent(154 题):验证你能不能让多步流程稳定跑 Agent 是站内题量最大的方向,考点密集在"规划、工具调用、记忆、失败恢复"。面试官真正担心的是:你的…

#求职#职业转型

面试题·文档处理· 百度

RAG 分块参数调优

匹配正文：答案要点分块策略分类（固定长度、语义、递归等）及适用场景分块粒度与检索精度的权衡关系边界处理策略（句子/段落完整性）重叠策略的作用与设置实际选型需结合文档类型和业务需求核心分块策略 1. 固定长度分块（Fixed-size）按token数或字符数切分，具体长度作为候选变量优点：实现简单、Embedding均匀、便于批量处理缺点：可能切断语义，边界信息丢失 2. 递归分块（Recursive）优先按段落→句子→固定长度层级切分优点：尽量保持语义单元完整缺…

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

#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·检索· 虾皮

RAG 流程优化：检索与重排陷阱

匹配正文：…率vs精确率权衡）提及评估和迭代闭环 RAG系统可分为5个核心环节，每个环节的优化策略如下： 1. 文档预处理与分块核心问题：分块粒度决定语义完整性和检索精度优化策略：语义分块：用BERT等模型识别主题边界，而非固定长度层次结构：保留文档层级（标题-段落-句子），支持多粒度检索元数据增强：添加时间、来源、类别等标签用于过滤 2. Embedding与向量化核心问题：领域适配和表征质量优化策略：领域微调：用对比学习在业务数据上微调Embedding模型多向量…

#虾皮#RAG全链路优化#RAG 流程优化

面试题·检索· 高德

RAG 系统实现流程怎么搭?

匹配正文：…数阈值过滤，低置信度触发"未知"回答迭代检索：多轮检索-生成，逐步细化答案（如Self-RAG）关键权衡点召回 vs 精确：分块粒度、检索Top-K数量延迟 vs 质量：是否做重排序、模型大小选择成本：Embedding调用、向量存储、生成token消耗

#高德#RAG结果融合#RAG 实现流程

面试题·文档处理· 字节

RAG 文本分块与向量索引流程

匹配口述回答：…段pipeline，从分块到嵌入到索引到检索，每个环节都有trade-off，而且必须用业务数据验证。如果只让我抓一个关键，那就是分块粒度决定了检索的上限，后面再优化也只是在补分块的坑。本质是平衡语义完整性与检索粒度的工程问题分块策略：固定切分 vs 语义切分，落地常混用嵌入选型：通用 vs 中文 vs 领域，维度与prompt优化索引：HNSW与IVF-PQ的取舍，动态更新与一致性检索：混合检索+重排两步走，风险与兜底约4分钟增量索引的实时性与一致性平衡：双缓…

#字节#文档处理#向量检索

面试题·文档处理· 百度

分块策略怎么影响检索?

匹配口述回答：…如PDF或Markdown，按标题、章节、段落来切，保持层级信息。这样检索时可以先定位章节，再找细节，效率高。这里有个关键权衡：分块粒度。小块比如100-300 token，检索精准但容易碎片化，适合问答；大块比如1000+ token，语义完整但噪声多，适合摘要或分析。具体用多大，得看下游任务和[[Embedding]]模型的最大长度。比如text-embedding-ada-002虽然支持8191 token，但有效信息往往在前512，切太大反而浪费。实际工程里，我通…

#百度#文本分块#chunking 策略

面试题·文档处理· 安克科技

RAG文本向量化：分块与嵌入陷阱

匹配口述回答：…评估生成质量，再反推索引和检索的瓶颈。这样能避免“召回好但生成差”的脱节问题。一句话定位：RAG向量化本质是给文档做索引，关键在分块粒度、模型选型和落地权衡分块策略：语义边界优先，overlap防断章取义，固定切分适合简单场景 Embedding选型：通用模型打底，垂直领域微调，中英混合选对齐好的优化与评估：归一化加速检索，离线召回率+在线人工抽检边界与风险：分块太碎丢上下文，模型不对口召回崩，上线前必须回放测试约4分钟 RAG端到端评测比单看召回率更关键，用RAG…

#安克科技#RAG 文本向量化#分块策略

面试题·评估

RAG 效果差怎么排查？

匹配口述回答：…策略不够好。举个例子，客服退款场景里，用户问的是‘我买的东西降价了能退差价吗’，如果召回的是‘退货政策’而不是‘价格保护条款’，那分块粒度就偏了。这时候我会检查分块是不是把意思相近但不同的条款切到了一起，或者Embedding对价格、退款这类语义区分不够。如果召回率还行但排序靠后，那就说明需要加[[重排]]或者[[混合检索]]，把关键词和向量结合起来。反过来，如果黄金文档实验发现生成模块有问题，我会重点看[[忠实度]]。模型有没有忽略检索到的内容，去依赖自己的参数知识？典型…

#检索诊断#生成诊断#RAG 效果诊断

面试题·模型微调· 高德

Agent 记忆怎么用向量库?

匹配追问：…ent记忆和普通知识库检索有什么本质不同？……那如果要支持动态更新和时序感知，你一般怎么存和查？……具体到embedding模型、分块粒度、索引和检索策略，你会怎么设计来提升记忆的有效性？直球架构请设计一个AI Agent的记忆模块，核心用向量数据库。说明embedding模型是否微调、chunk怎么切、索引选什么结构，以及检索时如何结合相似度、时间衰减和重排序来提升记忆召回效果。

#高德#Agent#向量检索

面试题·模型微调· 字节

RAG 检索与生成流程详解

匹配口述回答：…个可插拔的知识模块，配合微调一起用，而不是二选一。本质是知识外挂，解决大模型知识滞后和幻觉离线建库：分块、向量化、索引，关键在分块粒度在线检索：Query改写、ANN检索、重排、融合，Hybrid Search是常态落地风险：重排不能缺、知识更新实时性、Chunk大小影响精度应用场景：企业问答、客服、长文档分析，RAG和微调互补约4分钟 RAG和微调不是二选一，而是互补，实际系统常混合使用。面试官可能会追问混合使用的具体架构，比如微调后模型如何与检索结果协作，或…

#字节#检索生成流程#RAG 实现

面试题·RAG

RAG 完整流程分几步？

匹配口述回答：…检索]]把关键词和向量结合起来。所以我会把[[RAG]]看成一套系统工程，离线建库的质量决定了在线效果的上限。上线前我会特别关注分块粒度的对比实验，还有检索的召回率，确保每个环节不掉链子。如果让我进一步优化，我会考虑查询改写，比如用户问“怎么退款”，系统先把它改写成“退款流程和条件”，再去检索，能明显提升召回率。 RAG本质是给大模型建一个外部知识库离线建库：解析、分块、向量化在线问答：检索、生成落地风险：分块粒度与检索质量约2分钟查询改写能提升检索召回率面试…

#入门#基础概念#RAG流程

面试题·RAG· 百度

RAG 索引构建管线

匹配口述回答：…淆。所以我会提前把时间、类别这些标签作为过滤器，先筛掉无关数据，再走向量检索，这样准确率能提升不少。其实还有一个点我没展开，就是分块粒度怎么和检索策略联动。比如你切了句子级和段落级两层索引，什么时候用句子，什么时候用段落？我一般会先做粗召回，用段落级索引把相关的文档块找出来，然后再用句子级索引做精排，这样既快又准。但这也引出一个问题：两层索引的存储和延迟怎么平衡？所以整体上，我不会一开始就堆所有优化。我会先分析 bad case，看是'召不回'还是'召不准'。召不回，可能…

#百度#RAG索引优化#RAG 索引构建管线

面试题·检索· AIlab

RAG 流程：检索、融合、生成

匹配口述回答：…机器人，延迟敏感，我会牺牲一点召回率，只用向量检索加轻量级过滤。没有银弹，只有取舍。 RAG本质是给LLM配外挂知识库离线建库：分块粒度与混合索引在线检索：从Query改写到底层召回策略生成阶段：Prompt约束与幻觉管控落地权衡：场景决定方案选择约4分钟知识库频繁更新时，离线建库和在线检索之间的延迟与一致性平衡问题面试官追问如何实现增量索引、版本合并策略、实时性与召回率的权衡

#AIlab#RAG工作流#RAG 技术流程

面试题·检索· 字节

RAG检索方法如何优化？

匹配口述回答：…，技术选型优化策略：索引、重排、缓存风险与判断：混合检索是基线，迭代靠Badcase 约4分钟检索效果不佳时，问题常出在文档分块粒度，而非检索方法本身。面试官可能会追问分块策略的具体实践，比如固定大小 vs 语义分块、父子文档结构如何设计。

#字节#RAG检索选型#RAG 检索方法

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：…答案准确率。三是延迟，在线阶段每一步都有开销，尤其是重排和LLM生成，所以我会用缓存和异步处理来优化。还有一个细节值得深挖，就是分块粒度对检索的影响。比如一份技术文档，按固定256字切块，可能把一个API说明切成两半，检索时只召回前半段，LLM就不知道完整用法。而如果按章节切，块太大，检索时又可能带进不相关的内容。所以我会根据文档类型动态调整分块策略，比如代码文档按函数切，政策文档按条款切。所以整体上，我会把RAG系统看成两个解耦的管道，离线管道保证数据新鲜度和覆盖率，在…

#商汤科技#两阶段文档处理#RAG 系统架构