匹配正文：…量语义检索 + BM25关键词检索，结果融合多向量表示：ColBERT细粒度交互，解决"粗粒度向量"匹配失效 2. 查询侧优化查询改写：用LLM扩展同义词、澄清歧义（HyDE：生成假设文档再检索）查询分解：复杂问题拆分子查询，多轮检索聚合 3. 重排序（Rerank）引入轻量级交叉编码器（Cross-Encoder）精排，弥补双塔模型精度损失业务规则过滤：时效性、权威性加权 4. 反馈与迭代检索-生成联合训练：用生成答案的loss反向优化检索用户点击/点赞数据构…

第 1 / 4 页下一页 →

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

#小红书

#美团

#重排与优化

面试题·检索· 百度

RAG Query 改写方法

匹配正文：答案要点查询改写的常见策略（HyDE、多查询扩展、子问题分解）提示词构建的核心要素（角色定义、上下文组织、引用标注）检索后处理的技巧（重排序、上下文截断）实际落地中的权衡取舍查询改写策略核心目标：弥合用户问题与文档索引之间的语义鸿沟策略适用场景实现要点 HyDE 领域知识密集、术语专业让模型先生成假设答案，用答案 embedding 检索多查询扩展问题表述模糊、同义词多生成3-5个语义等价变体，并行检索后去重聚合子问题分解复杂多跳问题拆解为原子…

#百度#小鹏#美团

面试题·检索· 字节

RAG 向量检索怎么高效召回?

匹配正文：核心检索流程 1. 查询预处理查询改写：扩展同义词、纠错、补全上下文（如HyDE生成假设文档）意图识别：区分事实查询/摘要/对比类问题，路由到不同检索策略 2. 向量检索执行索引结构：HNSW（高召回+速度平衡）、IVF-PQ（超大规模）、DiskANN（内存受限）参数调优：ef_search（搜索深度）、M（图连通度）与延迟的trade-off 3. 多路召回融合向量召回（语义相似） + 稀疏检索（BM25，关键词匹配） + 倒排索引（结构化过滤） → 线性加权或…

#字节#向量数据库召回#RAG 向量检索

求职指南·RAG

多轮对话、引用与权限隔离项目模拟面试

匹配正文：…design。配套学习：项目难题怎么定位与解决?。 3. design · design 从用户第二轮追问开始，身份、会话状态、查询改写、租户过滤、证据引用和答案如何流动？考察重点：确认候选人理解端到端链路、关键接口和状态变化。端到端组件、数据流和每层输入输出关键接口与约束如何影响设计下一步：tradeoff。配套学习：高并发下状态一致性怎么保证？、大模型输出怎么做真实性验证?。 4. tradeoff · tradeoff 状态放窗口、摘要、结构化槽位还是外部存…

#模拟面试#简历项目#连续追问

面试题·RAG

RAG 已经能搜 PDF，为什么视频不能直接入库？

匹配正文：…话人重叠、专有名词和音频质量。字幕存在但被拆到两个互不完整的片段里，问题在字幕合并与切分。完整片段已经进入索引却没有被找到，再检查查询改写、检索范围和排序。正确证据已经排在前面，模型仍然漏掉条件，才继续检查上下文是否被截断、提示是否要求依据资料回答。时间跳转错误要单独处理。字幕文字正确但来源跳到了相邻片段，通常说明切分后的开始时间、结束时间或片段 ID 在写入索引时没有保持一致。此时重新调检索分数不会修好引用。面试时能把这些现象对应到具体阶段，比笼统说“看日志”更有工程价值…

#RAG#解析与入库#视频 RAG

求职指南·求职

后端工程师转大模型应用开发:已有经验怎么迁移

匹配正文：… 把 RAG 当普通 CRUD 拼接:以为「查库 + 塞进 Prompt + 调接口」就是 RAG,忽略切块策略、检索召回、重排、查询改写这些真正决定效果的环节。结果 demo 能跑,一上真实文档就答非所问。忽略评估直接上线:后端习惯了「测试绿了就发」,于是大模型功能也不建评估集就上线,线上出了 badcase 无从归因,改一版好一版坏全靠感觉,没有回归基线。把 Prompt 当静态配置:觉得 Prompt 就是个写死在配置里的字符串,不做版本管理、不做实验对照。实际上 …

#求职#职业转型

面试题·RAG

RAG 为什么要同时用 BM25 和向量检索？

匹配正文：…档写“保险销售技巧”，用户问“如何推销保险产品”，两边共享了“保险”之类的词，却没有共享最关键的动作“销售”。如果没有同义词规则、查询改写或领域词典，BM25 可能给正确片段的分数不够高，甚至没有把它带进候选集。面试官追问：向量检索补的是什么向量检索会先用 Embedding 模型把一句话变成一组数字。可以把这组数字理解成文本在“语义地图”上的坐标：意思越接近，两组坐标通常也越接近。它不要求问题与原文逐字一致，所以有机会把“推销保险产品”与“保险销售技巧”联系起来。向量…

#RAG#检索与重排#RAG 混合检索

求职指南·求职

大模型简历怎么写:项目怎么描述、怎么量化、怎么防追问

匹配正文：… 示例工程维度架构/状态/工具/权限/监控/成本文档解析 → 分块 → bge 向量检索 + 重排两路召回,加检索失败兜底与查询改写,接入调用日志监控单次成本 ReAct 迭代循环 + 工具注册(搜索/抓取/计算),长程记忆做上下文压缩,关键工具调用加权限确认与 trace 回放业务维度场景/用户/数据源/约束/边界面向某垂直领域内部文档问答,数据源是几百篇 PDF/网页,约束是必须给引用出处、不许编造面向研究简报生成,用户是需要多源交叉的分析岗,约束是可追溯来…

#求职#职业转型

面试题·Agent

Agent 从海量记忆里怎么找对内容？相关性、时间性和重要性怎样组合

匹配正文：…与关键词、当前目标、必须遵守的权限和预算。模型可以帮助解析自然语言，但主体、租户、权限和项目标识应来自可信上下文，不能由模型猜。查询改写也要保留原始问题。若改写错误，Trace 需要看见模型怎样把“昨天的方案”解析成某个项目。只有记录查询意图、过滤条件和候选变化，才能判断漏召回发生在理解、过滤、向量召回还是重排。一个任务可能需要多路检索。用户偏好走结构化属性查询，历史任务摘要走语义检索，最近事件走时间范围查询，实体关系走精确键或图关系。不要强迫所有记忆都经过同一条向量查询…

#Agent#记忆与存储#Agent 记忆检索排序

面试题·项目与经历· 美团

项目难题怎么定位与解决?

匹配正文：…支持率和拒答行为。方案必须对应证据。若文档根本没有答案，应补知识而非训练 embedding；若候选集中有答案但排序靠后，再检查查询改写、向量模型、负样本和重排；若证据正确但答案错误，则处理提示、上下文冲突、生成模型或校验。落地过程还要说明负责人、灰度范围、回滚条件与复测结果。所有数字都应能由实验记录、监控或评审材料核验。

#问题定位#工程实践#跨团队协作

面试题·Agent· 淘天

传统 RAG 有哪些痛点?

匹配正文：…体验极差。关键影响：实时性业务场景下直接不可用。优化方向简述痛点典型解法检索噪声重排序（Rerank）、多路召回融合、查询改写上下文冗余上下文压缩、语义去重、摘要增强知识更新延迟实时索引管道、增量更新、结合API动态查询这些痛点正是Agentic RAG兴起的核心动因——通过引入反思、工具调用、主动验证等机制，突破传统"检索-拼接-生成"的线性范式。学习建议掌握RAG基本流程，结合实际案例理解检索与生成间的瓶颈，对比进阶方法如Graph RAG、Ag…

#淘天#Agent#RAG 痛点

面试题·文档处理· 美团

RAG 知识库搭建流程?

匹配正文：…PQ（内存友好），根据数据规模和延迟要求选择 4. 检索优化混合检索：向量相似度 + 关键词匹配（BM25），用RRF融合排序查询改写：扩展同义词、纠错，提升召回重排序（Rerank）：用Cross-Encoder精排Top-K结果学习建议建议系统学习该知识点

#美团#RAG 知识库搭建#文档预处理

面试题·评估· 美团

RAG 缓解幻觉的机制

匹配正文：…策略重排序（Rerank）交叉编码器精排，解决向量相似≠语义相关的问题上下文压缩长文档截断、摘要提取，适配模型上下文窗口查询改写 HyDE（假设文档嵌入）、Query Expansion提升召回率核心优势 vs 典型局限优势可解释性：答案可溯源到具体文档片段时效性：知识库更新无需重新训练模型领域适配：低成本接入垂直领域知识局限检索质量瓶颈："Garbage in, garbage out"，漏检/误检直接传导至生成延迟开销：检索+重排增加100-50…

#美团#事实锚定#RAG 缓解幻觉的机制

面试题·评估· 字节

RAG 评测优化闭环

匹配正文：…务完成率、纠错率对抗测试：构造边界case（如检索片段冲突、信息缺失场景）二、迭代优化策略检索侧策略具体手段语义增强查询改写（HyDE）、多向量表示（ColBERT）、重排序模型结构优化分块策略迭代（按语义/按结构）、元数据过滤、知识图谱索引动态检索自适应检索步数、迭代检索（IRCOT）、检索-生成交替进行生成侧提示工程：引用格式约束（要求标注来源）、少样本示例模型微调：基于检索上下文的SFT，强化忠实度训练后处理验证：事实核查模块、置信度过滤 …

#字节#评估与监控#RAG 评测优化闭环

面试题·评估· 字节

RAG 三大瓶颈与迭代策略

匹配正文：…配不准、Query与文档分布不一致混合检索：向量+关键词（BM25）双路召回，用RRF融合排序，解决语义漂移和专有名词匹配问题查询改写：用LLM扩展Query（HyDE生成虚拟答案再检索）、澄清多义词、补全省略的主语重排序（Rerank）：Cross-Encoder精排，把候选从100缩到Top-5，精度提升明显但增加延迟索引优化：按业务领域分库、语义分层（摘要→正文→细节），减少候选噪声二、生成质量瓶颈与优化核心问题：上下文过长、信息冲突、幻觉上下文压缩：检索…

#字节#评估与监控#RAG 性能瓶颈

面试题·评估· 字节

医疗法律RAG：评估陷阱

匹配正文：…图谱检索关联推理、禁忌症、判例引用 Neo4j + 子图匹配重排序（Rerank）精排Top-K 交叉编码器微调关键设计：查询改写（Query2Doc）处理口语化输入，如"心跳快"→"心动过速" 三、生成模型层（领域适配）基座选择：专业领域优先选已预训练模型（如Huatuo、LawGPT），或通用模型+领域SFT 检索增强生成：检索结果作为上下文注入Prompt 引用溯源：强制模型输出参考来源编号，支持可解释性安全机制：添加拒答策略（超纲问题、无可靠来源时），医…

#字节#专业领域 RAG#RAG 系统设计

面试题·评估· 虾皮

大模型怎么用于搜索检索?

匹配正文：…核心落地形态是 RAG（检索增强生成），不是替代传统检索，而是分层增强。技术架构层级功能大模型作用查询理解层意图识别、查询改写、多轮澄清纠错、扩展、消歧（如"苹果"→水果/公司）检索召回层向量检索 + 稀疏检索（BM25）+ 知识图谱生成稠密向量（bi-encoder）精排/重排层结果重排序、去重、过滤 Cross-encoder 打分、多任务融合生成输出层答案摘要、直接回答、多源整合生成式摘要、引用溯源关键优化点混合检索：向量（语义）+ 倒…

#虾皮#大模型搜索检索#搜索检索技术方案

面试题·评估· OPPO

意图识别在 RAG 中怎么用?

匹配正文：答案要点意图识别决定检索策略选择（向量检索/关键词检索/混合检索）通过查询改写和扩展提升召回率识别多跳/复杂意图以触发Agent能力过滤无关查询降低幻觉风险为生成阶段提供结构化上下文指导意图识别的核心作用意图识别是RAG系统的"路由中枢"，解决**"用户到底想要什么"**的问题，直接决定后续检索和生成策略。一、提升检索准确性场景意图识别的作用检索方式选择事实类→关键词/稀疏检索；语义类→向量检索；模糊需求→混合检索查询改写识别省略实体（如"这个产品…

#OPPO#RAG 意图识别#RAG

面试题·评估

RAG效果差：检索vs生成怎么诊断？

匹配正文：…关文档是否排在前面诊断方法人工抽检：随机采样bad case，人工判断"给定这个问题，理想文档应该是什么"，对比实际检索结果查询改写分析：检查原始query与改写后query的检索效果差异向量相似度分布：观察query与top1结果的相似度分数，过低（如<0.6）说明语义空间对齐有问题判定标准：Recall@K < 70% 或人工判断检索结果明显偏离，则问题在检索侧。第二层：判断生成模块是否合格关键指标 Faithfulness（忠实度）：生成内容是否基于检索文…

#检索诊断#生成协同#RAG 效果诊断

面试题·模型微调· 联通

RAG/蒸馏/微调怎么选?

匹配正文：…文）缓解方法需针对性选择。主流技术方法 1. 检索增强（RAG）核心思路：外接知识库，将生成约束在检索到的证据上标准流程：查询改写 → 向量检索 → 重排序 → 上下文增强生成关键优化：多路召回、HyDE（假设文档嵌入）、Self-RAG（反思token）局限：检索失败时幻觉反而加重，需配合置信度校准 2. 微调策略事实性SFT：用高质量QA对训练，强化"不知道就拒绝" 偏好对齐：RLHF/DPO中引入事实性奖励，惩罚幻觉输出知识蒸馏：从大模型蒸馏事实性强的推…

#联通#大模型幻觉缓解#检索增强

面试题·模型微调· 美团

RAG 为何比 SFT 更优?

匹配正文：…互补：SFT负责语言能力和基础推理，RAG负责动态知识注入。复杂推理任务仍需SFT强化，纯RAG对检索质量极度敏感，需配套重排序、查询改写等优化。学习建议掌握排序模型基本架构，学习权重初始化常用方法，结合实际业务理解A/B测试与线上反馈机制。

#美团#RAG vs SFT#RAG

面试题·模型微调· 美团

向量检索怎么保准又保真?

匹配正文：…（如BGE-Reranker）计算查询-文档相关性分数业务规则：结合点击率、转化率、时效性等业务特征最终排序 4. 查询侧优化查询改写：扩写同义词、纠错、补全意图（"火锅"→"重庆火锅/老北京涮肉"）查询理解：识别地理位置、价格区间等约束条件，做前置过滤 5. 评估与迭代离线：Recall@K、MRR、NDCG指标监控在线：AB实验看点击率、转化率、满意度 Badcase分析：建立标注平台，持续回流数据优化模型

#美团#向量检索准确性#向量检索相关性

RAG 改写与 Prompt 链路

RAG 检索增强技术有哪些？

RAG检索不准的失败场景与优化

RAG Query 改写方法

RAG 向量检索怎么高效召回?

多轮对话、引用与权限隔离项目模拟面试

RAG 已经能搜 PDF，为什么视频不能直接入库？

后端工程师转大模型应用开发:已有经验怎么迁移

RAG 为什么要同时用 BM25 和向量检索？

大模型简历怎么写:项目怎么描述、怎么量化、怎么防追问

Agent 从海量记忆里怎么找对内容？相关性、时间性和重要性怎样组合

项目难题怎么定位与解决?

传统 RAG 有哪些痛点?

RAG 知识库搭建流程?

RAG 缓解幻觉的机制

RAG 评测优化闭环

RAG 三大瓶颈与迭代策略

医疗法律RAG：评估陷阱

大模型怎么用于搜索检索?

意图识别在 RAG 中怎么用?

RAG效果差：检索vs生成怎么诊断？

RAG/蒸馏/微调怎么选?

RAG 为何比 SFT 更优?

向量检索怎么保准又保真?