匹配正文：…N 内存+磁盘混合十亿级大规模关键调参：efConstruction（建图质量）、M（邻居数）、nprobe（搜索桶数）三、查询重写（Query Rewriting）核心问题：用户原始query短、歧义、与文档表述不一致技术做法 HyDE 用LLM生成伪答案，再向量化检索 Query2Doc 生成伪文档扩展query Step-back 抽象出高层概念再检索子查询分解复杂query拆成多个子问题历史上下文补全多轮对话中补全指代消解四、进阶优化重排序（R…

#阿里云#查询重写#RAG 召回优化

面试题·检索· 百度

检索失败时 RAG 怎么兜底?

匹配标题与标签：…无相关文档场景下的鲁棒性策略,包括重写查询与生成式回答检索百度小鹏美团 RAG 检索失败 RAG 鲁棒性无相关文档处理查询重写生成式回答百度

#百度#小鹏#美团

项目实战·RAG

第 2 章:RAG 整体架构

匹配正文：…arse + Dense)?分别阐述其作用。较难 → 【召回链路全局优化】优化 RAG 召回链路的方法:检索器选择、索引结构、查询重写等。较难 → 学完这一章你应该能干嘛跟着做(Part 1): 能跑通端到端的迷你 RAG,看懂"剪 → 存 → 捞 → 拼 → 答" 能改 top_k 并说出它对召回的影响能说出你写的每个函数对应真实系统哪个模块讲深度(Part 2): 能分"离线/在线"两条链路画出 RAG 四大模块能讲清在线检索为什么是"双路召回 + 两阶段(…

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

#RAG#检索#项目实战

面试题·Agent

Deep Research 为什么会一直搜索？什么时候该停？

匹配正文：…能只作为少写日志的快捷方式。如果大量任务因步骤预算结束，可能是预算太紧，也可能是问题拆解太碎。如果大量任务因重复路径退出，可能是查询重写或状态管理有问题。如果任务总是正常完成，但用户仍反馈报告缺项，完成条件或初始计划可能漏了关键维度。没有结构化停止原因，团队只能看到“任务结束”，无法知道系统到底是在完成研究还是被迫放弃。四类 bad case 怎样定位？ Bad case 一：同一个词搜了五遍先看标准化查询是否相同，再看模型是否读到了“已经搜索过”的状态。如果历史信息…

#Deep Research#问题边界与研究闭环#Deep Research 停止条件

面试题·Agent

缓存能省调用，为什么 Deep Research 反而可能拿旧资料回答“最新”？

匹配正文：…慎。去掉空白、统一大小写通常安全，但把“当前版本”和“历史版本”都规范成同一查询就会损害语义。规范化规则同样需要版本和回归测试。查询重写后，缓存应该按原问题还是新 Query？多轮研究常把用户原话改写成独立查询，也会为同一缺口生成多个搜索表达。只按原问题缓存，两个语义相同但说法不同的请求无法复用。只按改写 Query 缓存，模型一次不稳定改写又可能让错误结果长期命中。更稳妥的做法是同时保留用户任务 ID、当前缺口 ID、原问题和规范化查询。Search 缓存可以按规范…

#Deep Research#研究工具与稳定性#Deep Research 缓存新鲜度

面试题·Agent

Text2SQL 生成的 SQL 敢直接执行吗？安全校验与执行边界怎么设计

匹配正文：…白名单、脱敏或聚合结果控制。不能只要求模型在 WHERE 里加 tenant_id。模型可能漏掉、写错或被注入移除。租户约束应由查询重写器或数据库策略强制，用户生成 SQL 无法绕过。错误信息也要防泄露。无权访问和资源不存在有时不能区分得过细，否则攻击者可用查询探测 Schema。内部 Trace 保留准确原因，对外返回最小可读信息。查询账号坚持最小权限。默认连接只读副本或只读角色，不拥有 DDL、DML、管理函数和跨域权限。应用层校验即使有漏洞，数据库仍有最后一道边界…

#Agent#工具调用与安全#Text2SQL SQL 安全

面试题·评估· 蚂蚁

RAG多轮对话怎么防知识遗忘?

匹配正文：…要点区分知识遗忘（历史信息丢失）与上下文漂移（主题偏离）的本质差异提出显式对话状态管理机制设计动态检索策略而非单次检索说明查询重写/扩展的具体方法给出评估多轮RAG效果的指标问题本质多轮RAG的两个核心挑战：知识遗忘：早期轮次的关键信息未被当前检索利用上下文漂移：用户意图变化导致检索偏离当前需求技术方案 1. 显式对话状态管理对话状态 = {主题实体集合, 用户意图, 未解决问题, 已确认事实} 每轮用轻量模型抽取状态更新状态向量化后参与检索相似度计算…

#蚂蚁#RAG 多轮对话#知识遗忘

面试题·评估

RAG 检索语义相似但无关怎么解?

匹配正文：…心矛盾：Embedding模型训练目标（语义相似）与RAG业务目标（任务相关）存在错位。解决策略（分层处理） 1. 查询侧优化查询重写（Query Rewriting）：用LLM扩展/澄清用户意图，如"苹果→苹果公司/Apple Inc." HyDE（假设文档嵌入）：让模型先生成假设答案，再用答案去检索 2. 检索侧优化多路召回：BM25 + 向量检索 + 关键词匹配，互补覆盖重排序（Rerank）：用Cross-Encoder等交互式模型精排，捕捉细粒度相关性负样…

#Embedding#Rerank#RAG 检索相关性

面试题·模型微调· 美团

RAG检索偏差怎么缓解?

匹配正文：…独建索引，检索时多路召回（历史索引+增量索引），结果融合排序美团外卖场景：新商家/新菜品实时入增量索引，避免全量重建延迟 2. 查询重写与扩展用LLM将用户query改写为多个视角（时间敏感型、通用型），分别检索后聚合例："附近好吃的" → 扩展为"2024新店推荐"+"高评分老店" 3. 自适应向量微调收集新文档的点击/转化反馈，用对比学习微调embedding模型（LoRA轻量更新）关键：混合采样新旧数据，防止灾难性遗忘 4. 分布感知的重排序训练阶段引入领域…

#美团#模型微调#RAG检索偏差

面试题·模型微调· 百度

RAG 端到端工作流程

匹配正文：…零训练成本可解释性黑盒生成可展示引用来源，便于审计典型变体 Naive RAG：基础检索+生成 Advanced RAG：查询重写、重排序（Rerank）、混合检索（向量+关键词） Modular RAG：引入路由、多跳检索、主动选择等复杂流程

#百度#RAG 端到端工作流程#RAG 从查询到答案怎么工作？完整流程与可靠性边界

面试题·RAG· 淘天

RAG 核心架构与工作流程

匹配正文：…代码生成（知识已内化为模型能力）局限性与应对局限表现缓解思路检索失效召回文档不相关或遗漏混合检索（BM25+向量）、查询重写、重排序上下文爆炸多文档超出窗口限制摘要压缩、分层检索、长上下文模型多跳推理弱需跨文档关联时易断链引入知识图谱、迭代检索（Self-RAG）生成与检索耦合模型过度依赖或忽略检索内容训练时加入"无相关信息"样本、调整prompt权重典型失败案例：用户问"对比A和B产品的差异"，若检索分别返回A、B的独立介绍而无直接对比文…

#淘天#阿里#RAG 架构

面试题·RAG· 字节

RAG 检索增强技术有哪些？

匹配正文：一、查询侧优化（让问题更清晰）查询重写/扩展 HyDE（Hypothetical Document Embedding）：让LLM先生成假设答案，用答案去检索而非原始问题 Query2Doc：类似思路，用少量生成内容扩展查询语义多查询扩展：一个query改写成多个不同表述，分别检索后合并查询分解复杂问题拆成子问题，如"比较A和B的优缺点"→分别检索A、B再综合二、检索策略增强（多路召回）方法核心思想适用场景混合检索向量相似度 + BM25关键词匹配，加权融…

#字节#HyDE#RAG 检索质量

面试题·检索· 字节

RAG 架构组件与失败场景

匹配正文：…型的选型考量和向量数据库的选型差异掌握检索策略的演进（从基础到高级RAG）能说明完整的端到端数据流提及RAG的典型优化手段（查询重写、重排序、混合检索等） RAG核心架构：三大模块 1. 索引模块（Indexing）文档处理：加载PDF/网页/数据库 → 文本清洗 → 语义分块（按段落/滑动窗口/语义边界）向量化：Embedding模型（BGE/M3E/OpenAI-ada）将文本转为稠密向量存储：写入向量数据库（Milvus/Pinecone/Elasticse…

#字节#RAG组件协同#RAG 系统架构

面试题·检索· 高德

语义检索向量数据库构建流程

匹配正文：…言、维度权衡）向量索引算法选择（HNSW、IVF、PQ的适用场景）存储方案设计（向量+标量混合存储、分片策略）查询优化手段（查询重写、重排序、缓存策略） 1. 文本预处理清洗：去HTML标签、特殊字符、统一编码，保留语义关键信息分块策略：按语义段落切分（非固定长度），重叠窗口保证上下文连贯；高德场景可考虑POI名称、地址等结构化字段单独处理元数据关联：保留原始ID、时间戳、地理位置等过滤字段，用于后续混合查询 2. 嵌入模型选择考量维度选择建议领域适配通用…

#高德#评估与监控#向量数据库构建

面试题·检索· 字节

RAG 技术实现怎么落地?

匹配正文：…rbage out"）多跳推理、跨文档关联能力弱上下文窗口限制，过多检索结果会稀释注意力演进方向 Advanced RAG：查询重写、HyDE（假设文档嵌入）、递归检索 Modular RAG：与Agent结合，动态决策何时检索、检索什么

#字节#RAG应用场景#RAG 技术实现