匹配口述回答：…按短事件、静态文字、快速运动和长静态段分桶。视频首尾一定重要、某个固定时长一定够用或互动热区必然代表语义，都是具体业务假设，必须由数据验证。音频和字幕也是重要时间线索。讲话开始、关键词、音效或OCR变化可以帮助定位候选片段，但这些信号要与视觉时间戳对齐，并为无字幕、错转写和静音视频保留回退。融合后仍需用视觉证据确认，不能只凭文本命中。先明确下游任务和预算比较均匀与镜头边界区分内容差异和光流介绍学习式与任务感知给出组合策略和评测约4分钟为什么运动量高不等于对问答…

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

#视频理解

#时序采样

#关键帧提取

面试题·Agent· 字节

Agent 记忆衰退：为何与如何实现

匹配口述回答：…计算。还有一个常见失败场景是，如果衰减策略一刀切，可能把刚写入但还没被检索过的有用记忆也删掉了，所以上线前一定要做模拟回放，用历史数据验证召回率。另外，我最近在关注一个更进阶的方向，让Agent自己学会遗忘。比如用[[Self-RAG]]或者[[Reflexion]]机制，Agent在执行任务时主动判断哪些记忆不再有用，然后生成一个forget操作。这样比固定衰减更灵活，但稳定性是个挑战。所以整体上，我更倾向于把记忆衰退看作一个系统工程，不是简单的删除，而是让Agent学…

#字节#Agent#Agent 记忆衰退

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：…上，我更倾向于把RAG检索看成一个多阶段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…

#字节#文档处理#向量检索

面试题·模型微调· 字节

RAG Embedding 模型怎么选?

匹配口述回答：…别关注，否则线上出现维度不匹配的报错就尴尬了。所以整体上，我把选型看成按场景做减法：先定语言和粒度，再砍成本和延迟，最后用领域数据验证。更倾向先用通用小模型快速验证，再逐步优化。对了，说到微调，有个细节：不是所有模型都适合微调，有些闭源API只能调用不能调。而且微调数据怎么构造也很讲究，比如用对比学习还是用排序学习，效果差很多。总之，没有银弹，每个决策背后都是 trade-off。一针见血：选Embedding模型本质是trade-off，没有银弹场景决定模型：中…

#字节#向量检索#RAG Embedding 选型

面试题·知识图谱· 百度

GraphRAG vs 传统 RAG 优势在哪?

匹配口述回答：…败场景：当文本中实体别名太多或者关系类型定义不统一时，图会变得很稀疏或者很混乱，导致检索效果反而不如传统RAG。所以我会先用小规模数据验证图的质量，确保[[实体链接]]的准确率和关系的覆盖率达标，再逐步上线。一句话定位：GraphRAG vs 传统RAG 本质是结构化 vs 非结构化的取舍知识结构化建模：实体关系抽取与归一化，解决指代歧义语义关联发现：多跳路径检索，例子：李彦宏→百度→文心一言→Agent 上下文连贯性：社区检测聚合，避免信息孤岛复杂推理能力：显式推理…

#百度#知识图谱#GraphRAG 优势

面试题·检索· 美团

RAG 完整工作流程怎么跑?

匹配口述回答：…界在于：重排不是万能的，如果检索阶段完全没召回相关文档，重排也救不回来。所以我会特别关注召回率和重排的精度平衡，上线前用一批标注数据验证，比如看Top-5准确率。上下文构造这块，我会按相关性排序，给每个文档加个标识，比如[Doc1]，然后拼接成一段上下文。但有个坑：上下文太长会稀释生成质量，我一般会做长度控制，要么截断，要么用轻量摘要压缩。还有就是去重，有时候不同文档内容重复，比如两篇都讲同一个政策，我会只保留信息最全的那篇。最后是生成答案。我会把系统指令、检索上下文和…

#美团#RAG全链路#RAG 工作流程

面试题·检索· 小鹏

RAG检索优化：向量检索与重排序

匹配口述回答：…以整体上，我会把RAG检索看成一套组合拳，没有银弹。核心是理解业务场景的精度和延迟要求，然后选最合适的方案组合，上线前一定要用业务数据验证，特别关注bad case，因为往往就是那1%的case决定了用户对系统的信任度。本质是精度与效率的平衡向量检索层的优化与工程取舍重排序是最后一公里查询扩展解决语义鸿沟混合检索兜底与风险约4分钟自适应检索，根据query难度动态决定检索深度和是否触发重排如何判断query难度，以及自适应策略的工程实现和风险

#小鹏#检索阶段优化#RAG 检索优化