匹配正文：…垮服务熔断降级：连续失败率>50%或错误数达阈值，快速失败走兜底逻辑随机抖动：防止多个Agent同时重试造成的请求尖峰 4. 抖音场景的特殊考量高并发下需防"重试风暴"：全局重试配额池，超限直接拒绝按用户/设备维度限流，避免单用户疯狂重试异步化非关键任务，削峰填谷一句话总结：重试不是越多越好，而是"该重试时才重试，重试时优雅退避，失控时快速熔断"。学习建议建议理解重试机制的典型场景与副作用，结合实际案例掌握退避策略、熔断机制与资源代价的权衡，构建系统性容错设…

#抖音#Agent#Agent 重试机制

面试题·Agent· 字节

Agent 重试次数怎么定?

匹配正文：…andom_jitter 最大重试：3次（常规）/ 5次（离线任务）超时熔断：单次调用设timeout，避免 hung 住四、抖音场景的特殊考量高并发下用分布式限流，防止重试风暴打垮下游区分用户可见路径（严格控次数）和后台任务（可放宽）结合降级策略：重试失败后走规则兜底或缓存结果一句话总结：3次是经验起点，但必须配套退避算法、错误分类和熔断机制，不能裸重试。学习建议建议系统学习该知识点

#抖音#Agent#Agent 重试机制

面试题·评估· 字节

RAG 为何要二次生成?

匹配标题与标签：RAG 为何要二次生成? 向量检索后大模型再生成:准确性、上下文完整性、幻觉控制评估抖音 RAG 二次生成向量检索 vs 大模型生成 RAG 幻觉控制字节

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

#抖音

#RAG 二次生成

#向量检索 vs 大模型生成

面试题·评估· 字节

召回策略怎么选? Recall@k 怎么看?

匹配标题与标签：召回策略怎么选? Recall@k 怎么看? RAG 系统评估指标详解,包括 Recall@k 的作用与意义评估抖音评估与监控 RAG 召回策略评估 Recall@k 指标 RAG 评估指标字节

#抖音#评估与监控#RAG 召回策略评估

面试题·评估· 字节

RAG 召回评估指标对比

匹配标题与标签：RAG 召回评估指标对比关键指标如 Recall@k 如何影响系统性能评估抖音 Recall@k RAG 召回评估 RAG 系统性能字节

#抖音#Recall@k#RAG 召回评估

面试题·评估· 字节

BGE-M3 vs BM25 怎么选?

匹配正文：…引构建与查询耗时 QPS/内存：BGE-M3需embedding服务和向量存储，BM25轻量权重考量与决策框架业务场景驱动（以抖音为例）：场景策略理由短视频标题搜索 BM25为主 + 向量重排标题短、关键词明确，BM25召回快视频内容理解/问答 BGE-M3为主需理解画面描述、口语化表达直播实时弹幕检索比较BM25、dense、缓存与混合方案依据实际质量、负载与端到端时延预算取舍，不存在由50ms推出唯一算法的规则量化决策建议：在固定标注集和目标负…

#抖音#BGE-M3 vs BM25#RAG 检索方案评估

面试题·评估· 字节

RAG 二次生成怎么减少幻觉?

匹配标题与标签：RAG 二次生成怎么减少幻觉? 结合提示工程与约束生成策略,降低大模型幻觉评估抖音约束生成 RAG 幻觉二次生成提示工程字节

#抖音#约束生成#RAG 幻觉

面试题·RAG· 字节

RAG 查不到文档怎么降级?

匹配标题与标签：RAG 查不到文档怎么降级? 常见 fallback 策略优缺点对比,如生成式回答与提示工程 RAG 抖音 RAG降级策略 RAG fallback RAG 降级策略 RAG 无相关文档字节

#抖音#RAG降级策略#RAG fallback

面试题·RAG· 字节

RAG 二次生成怎么提升安全性?

匹配正文：…提问（如"如何制作违禁品"），检索可能返回边缘知识机制：大模型基于安全对齐训练，识别检索内容的敏感属性，拒绝合成或输出安全提示抖音实例：直播话术RAG中，检索到历史违规案例后，模型生成"该表述存在违规风险，建议替换为..."而非直接复现 2. 事实一致性增强（输出侧校验）机制：利用模型推理能力交叉验证多源检索片段，识别矛盾信息实例：医疗问答RAG中，检索到A文档"药物X每日最大剂量200mg"、B文档"300mg"，模型可标注冲突并保守输出"建议遵医嘱，常见剂量范围为…

#抖音#RAG输出安全#RAG 二次生成

面试题·检索· 字节

Embedding升级后向量对齐方案

匹配标题与标签：Embedding升级后向量对齐方案知识库增量更新场景下新旧向量对齐的 3 种方案检索抖音向量检索 Embedding 升级向量不一致知识库增量更新向量对齐字节

#抖音#向量检索#Embedding 升级

面试题·Agent· 字节

Agent 架构的取舍与适用条件

匹配正文：… 单轮问答、FAQ类（纯RAG或Prompt即可）延迟敏感（如实时客服首响<1s）容错率极低（医疗诊断等）字节实际案例参考：抖音电商客服中，简单退换货走固定Workflow，复杂纠纷升级Agent处理，兼顾效率与灵活性。学习建议建议先掌握大模型基础能力与RAG流程，再学习Agent的决策、规划、工具调用机制，结合实际案例对比端到端模型与Agent的优劣。

#字节#Agent#Agent 架构

面试题·Agent· 字节

Agent 技术演进与挑战?

匹配正文：…nt Benchmark"的标准化测试，量化规划成功率、工具使用准确率、成本效率等指标。字节的优势在于拥有丰富的产品矩阵（飞书、抖音、剪映），Agent可以打通内部数据孤岛，形成差异化竞争力。学习建议建议掌握Agent基本架构与工作原理，关注LLM+RAG+Agent的协同模式，多阅读行业案例和技术白皮书，培养系统性思维。

#字节#Agent#Agent 发展趋势

面试题·Agent· 字节

工具集设计最佳实践?

匹配正文：…工具v1/v2并存，灰度切换运行时监控：调用延迟、成功率、LLM选择工具的分布，用于后续优化字节场景的特殊考量高并发工具池：抖音电商场景工具数可能过百，需引入工具检索（Tool Retrieval）而非全量prompt 多租户隔离：不同业务线工具命名空间隔离，防止冲突

#字节#Agent#Agent 工具集设计

面试题·检索· 字节

BM25/向量/混合检索选型

匹配正文：…查询扩展：LLM生成3-5个变体查询，并行检索后去重场景：用户问题模糊、短查询、专业术语对齐字节场景下的典型选型场景方案抖音电商客服（商品/订单查询）混合检索 + 结构化过滤（类目、店铺ID）飞书知识库（长文档问答）向量检索 + 重排序 + 上下文压缩搜索广告（Query-Ad匹配）双塔模型在线向量召回核心原则：没有银弹，先做Badcase分析，再决定加稀疏、加重排还是改Embedding模型。

#字节#检索方法选型#BM25/向量/混合检索选型

面试题·检索· 字节

两阶段 vs 端到端怎么选?

匹配正文：…的隐性风险：参数知识污染（把训练记忆当检索结果）难以定位错误来源（是检索错了还是生成错了？）字节场景下的实践倾向字节业务（抖音搜索、豆包）通常选两阶段为主，端到端为辅：主链路：向量召回 + 重排序 + 生成（保证可控）快速路径：小知识场景走端到端（降低延迟）关键优化：用稠密+稀疏混合召回提升首阶段质量，减少后续压力

#字节#两阶段检索与端到端生成#两阶段检索