匹配正文：适合简历中写过企业知识库或 RAG 项目的人，重点练自己负责的部分、项目架构、检索效果和上线问题。教学示例：先换成自己的真实项目描述，再逐题练习。下面按面试追问顺序练习，最后用自查项补齐回答。项目描述示例负责【真实业务场景】企业知识库 RAG，承担【真实职责】，交付【真实工件】。需要准备：真实业务目标；个人职责边界；可核验工件。在【固定评测集】上将【真实指标】从【真实基线】改善到【真实结果】，同时满足【时延或成本约束】。需要准备：指标定义；评测集来源；基线与结果；…

#模拟面试#简历项目#连续追问

面试题·RAG

RAG 知识库如何动态更新？重复上传怎么做到不重复、不漏写？

匹配正文：…途失败，怎样让任务重复执行后结果仍然正确？幂等到底是什么意思？幂等可以先用一句白话理解：同一个任务执行一次和重复执行多次，最终知识库状态应该一致。这里的“一致”不是日志完全相同，也不是每次都不做任何计算，而是不会因为重试多出一套内容，不会跳过真正新增的内容，也不会让旧版本和新版本在检索时无规则混用。重复上传与内容更新看起来都叫“再次上传”，系统应该给出不同判断。原文完全没有变化时，第二次执行不应产生新 Chunk，也不应重复调用 Embedding。只有一个段落发…

#RAG#切分与索引#RAG 增量入库

面试题·RAG

Rerank 为什么更准，却不能对整个知识库运行？

匹配正文：…Rerank，也就是重排。可另一个问题马上来了：既然 Rerank 能更细地比较问题与候选，为什么不跳过向量检索，直接让它给整个知识库打分？ Bi-Encoder 和 Cross-Encoder 差在哪里？ Embedding 模型通常采用双塔，也叫 Bi-Encoder。 Query 进入一侧编码器，文档进入另一侧编码器，最后比较两个向量的距离。文档向量可以在离线阶段提前算好，用户提问时只需要计算 Query 向量，再到索引中寻找近邻。这种方式适合从大量语料里快速找出“…

第 1 / 14 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

#RAG#检索与重排#RAG Rerank

面试题·文档处理· 美团

RAG 知识库搭建流程?

匹配题目：请描述搭建RAG（Retrieval-Augmented Generation）系统中知识库的主要流程，包括文档预处理、分块、向量化存储及检索索引构建等关键步骤。

#美团#RAG 知识库搭建#文档预处理

面试题·文档处理· 美团

RAG知识库构建流程详解

匹配正文：先定义知识库契约构建前先确定文档所有者、租户与 ACL、版本、生效时间、删除规则、目标查询和“无答案”行为。RAG 的知识库不是一堆向量；原文、结构化元数据和权限事实要有权威存储，向量与关键词索引是可重建的派生物。 1. 解析与质量检查 PDF、Word、网页分别使用能保留页码、标题、表格和代码结构的解析器；扫描件走 OCR，但要抽检字符错误、阅读顺序和表格错位。保留 document_id、版本、章节路径、原文范围、来源、更新时间、语言、ACL 和内容哈希。去页眉页脚…

#美团#RAG 知识库构建#文档预处理

面试题·评估· 字节

知识库更新策略怎么选?

匹配正文：…阐述一致性保障机制（双写、版本控制、事务）提及更新对检索质量的影响及重索引策略体现对实际工程权衡（成本、延迟、准确性）的理解知识库更新策略按更新粒度分类全量重建：定期（如每天/每周）重新拉取全部数据、重新分块、重新生成embedding 优点：数据一致性最好，可彻底清理脏数据缺点：成本高、耗时长，适合数据量小或低频变更场景增量更新：仅处理变更数据（新增、修改、删除）基于CDC（Change Data Capture）捕获数据库binlog 或基于消息队列（Ka…

#字节#评估与监控#RAG 知识库更新

面试题·模型微调· 字节

领域 RAG 知识库构建

匹配正文：…e（GPT-4/Claude）端到端用户满意度、任务完成率 A/B测试、人工评估持续优化：Bad case分析驱动，定期更新知识库，监控数据漂移

#字节#领域 RAG 知识库构建#领域 RAG 知识库怎么建？数据处理、索引与检索

面试题·模型微调· 百度

大模型知识库怎么构建?

匹配正文：…数据清洗与质量评估方法 Embedding模型选型与微调向量索引结构选择（HNSW/IVF）检索策略优化（重排序、混合检索）知识库更新与维护机制一、数据收集阶段来源分类结构化数据：数据库、API、Excel表格非结构化数据：PDF、Word、网页、聊天记录半结构化数据：Markdown、JSON、XML 关键原则优先收集高频查询场景的数据建立数据版本管理和溯源机制二、数据清洗与预处理核心步骤格式统一：PDF转文本（处理扫描件需OCR）、HTML去标签…

#百度#大模型知识库构建#知识库向量化

面试题·知识图谱· 字节

向量库 vs 知识库 vs 符号记忆？

匹配正文：答案要点区分短期记忆与长期记忆的技术边界向量数据库的embedding检索机制及局限性结构化知识库（知识图谱/数据库）的优缺点外部符号记忆的定义与典型实现三种方案的组合使用策略与选型依据长期记忆的三种主流方案 1. 向量数据库（语义记忆）原理：对话历史、文档等编码为embedding，按语义相似度检索优点：支持模糊匹配、语义关联、非结构化数据缺点：数值/逻辑查询弱，存在幻觉召回，无法精确推理场景：开放域问答、相似案例检索、个性化对话风格学习 2. 结构化知…

#字节#Agent#Agent 长期记忆

面试题·RAG· 美团

RAG 知识库怎么增量更新?

匹配题目：在构建RAG系统的知识库时，当新增文档需要加入索引，如何实现高效、低开销的动态增量更新？请说明常用策略及其实现挑战。

#美团#知识库增量索引#RAG 增量更新

面试题·检索· 美团

RAG 检索器与知识库怎么搭?

匹配正文：…中应用 RAG”的技术细节。检索延迟、端到端延迟、准确率和幻觉率只能来自真实项目；通用架构示意不能包装成个人上线结果。回答框架知识库：数据来源、解析、分块、元数据、权限、版本与更新方式。检索器：稀疏/稠密模型、索引、Top-K、过滤、融合和查询改写。重排与上下文：候选规模、重排模型、去重、上下文预算、引用和冲突处理。生成与防护：模型版本、证据约束、拒答、输出校验和安全边界。评测与上线：分层指标、压测、消融、灰度、观测、回滚和成本。事实填空项目【】，语料【】，我…

#美团#知识库构建#RAG 检索器设计

面试题·检索· 小红书

中文知识库检索选型

匹配标题与标签：中文知识库检索选型中文知识库中按专名和语义查询做实战选型，补充适用边界与工程取舍检索小红书稀疏与稠密检索中文知识库检索选型中文知识库选 BM25 还是向量检索？场景与实测 RAG 检索方法稠密向量检索稀疏检索小红书

#小红书#稀疏与稠密检索#中文知识库检索选型

面试题·检索· 安克科技

RAG 知识库怎么存?

匹配正文：…本三要素元数据设计要支持过滤和排序索引结构需权衡召回率与速度实际落地常用混合检索（向量+关键词）需考虑数据更新和版本管理知识库存储形式 RAG知识库采用双轨存储：向量存储（语义检索）+ 文档存储（原文召回），二者通过doc_id关联。向量数据库选择场景推荐方案理由百万级/快速验证 FAISS、Milvus Lite 轻量、易部署千万级/生产环境 Milvus、Pinecone、Weaviate 分布式、高可用十亿级/超大规模自研或云厂商方案（阿里云O…

#安克科技#向量数据库选型#RAG 知识库存储

面试题·检索· 安克科技

RAG 知识库存储怎么选?

匹配正文：…因素（规模、延迟、成本、团队能力）给出具体的集成方案（如PostgreSQL+pgvector或分离架构）核心设计原则 RAG知识库不是"二选一"，而是分层存储 + 混合检索。向量负责语义匹配，结构化负责精确过滤，两者互补。存储层设计数据类型存储方案典型场景向量Embedding 专用向量库（Milvus/Pinecone/Qdrant）或 pgvector 语义相似度检索原始文本/元数据 PostgreSQL/MongoDB 精确查询、权限过滤、业务字段文…

#安克科技#知识库存储架构#RAG 知识库存储

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：…资料也不代表一定答对，答案最好还能回到原文检查。问题来了：PDF、Word 都可以作为资料，视频也是一个文件，为什么不能直接扔进知识库？因为知识库真正需要的不是一个文件名，而是可以搜索、可以定位、可以核验的内容片段。保存一个 MP4，只说明服务器里多了一个文件。系统依然不知道第几分钟讲了什么，也不知道答案藏在声音里、字幕里，还是某一页 PPT 上。这就像一间图书馆。把书搬进仓库，只解决了“有没有保存”的问题。读者想根据一句话找到具体内容，还需要目录、页码和可以检索的正…

#RAG#解析与入库#视频 RAG

面试题·RAG

PDF、PPT、扫描件为什么不能共用一条解析 Pipeline？

匹配正文：先看一个多格式入库场景。同一个知识库页面里，用户上传了一份制度 PDF、一套培训 PPT 和一张扫描图片。三个文件都显示“上传成功”，但这并不等于它们已经变成了可以检索的知识。有的 PDF 能直接读取字符，有的整页只是一张图片。PPT 的标题、项目符号和页序本身就在表达结构。扫描件没有可复制的正文，必须先经过文字识别。三类文件若都粗暴转成一大段纯文本，格式虽然统一，标题、位置、表格关系和图片信息却可能一起消失。这对应一道 RAG 项目面试题： PDF、PPT 和扫描件应…

#RAG#解析与入库#RAG 文档解析

面试题·文档处理· 字节

RAG 数据处理与索引流程?

匹配题目：在构建RAG系统时，从原始文档到可检索知识库的完整数据处理与索引流程包含哪些关键步骤？请详细说明各阶段的技术要点及其对系统性能的影响。

#字节#文档处理#向量检索

面试题·RAG

什么是 RAG？一句话讲清检索增强生成

匹配正文：答案要点 RAG（检索增强生成）= 检索 + 生成：先从外部知识库里找到相关资料，再让大模型参考这些资料来回答问题大模型的知识“冻结”在训练完成那一刻，之后发生的新事情、企业内部的私有资料它都不知道遇到不知道的问题，模型倾向于一本正经地编造，这叫“幻觉”（Hallucination，指模型生成看似合理但不符合事实的内容） RAG 用“开卷考试”的方式补知识：不改模型本身，只在回答前把资料塞进上下文三大好处：知识可以随时更新、答案可以溯源、成本远低于重新训练模型核心概念…

#入门#基础概念#什么是RAG

面试题·多模态· 字节

截图界面怎么用 RAG 解析?

匹配正文：…模块] → 结构化UI表示（组件位置、类型、文本） ↓ [多模态编码模块] → 视觉-文本联合向量 ↓ [混合检索模块] ←→ [知识库：UI组件说明 + 交互规范 + 常见问题] ↓ [生成模块] → 组件功能解释 / 操作指引 / 故障诊断关键模块设计 1. 图像解析模块检测：用UI-specific检测模型（如ScreenSpot、CogAgent的 grounding 能力）识别按钮、输入框、导航栏等 OCR：PaddleOCR/EasyOCR提取界面文本，与检测…

#字节#多模态#多模态 RAG

面试题·多模态· 淘天

截图组件功能怎么用 RAG 解释?

匹配正文：…入框、图标、文本区域 OCR识别文本内容，获取组件的坐标位置信息输出结构化表示：组件类型 + 位置框 + 文本内容 2. 多模态知识库构建收集UI设计规范、组件库文档、产品手册作为文本知识关键：将组件截图/设计稿与功能描述配对，构建图像-文本对用多模态Embedding模型（CLIP、SigLIP或专用UI模型如UIBert）编码入库 3. 跨模态检索用户截图经相同视觉编码器得到query embedding 两级检索：先全局匹配找相似界面类型，再组件级局部匹配检…

#淘天#多模态#多模态 RAG

面试题·RAG· 蚂蚁

增量式向量索引怎么更新?

匹配题目：针对知识库频繁更新的场景，请设计一个高效的增量式向量索引更新机制，要求支持实时或准实时更新，并保证检索质量。

#蚂蚁#增量式向量索引#向量索引更新

面试题·RAG· 美团

分布漂移下外接数据库怎么增强模型?

匹配正文：…（实时库 > 向量库 > 模型参数）效果评估闭环离线：分布漂移前后的KL散度变化、检索命中率在线：A/B测试——对照组（冻结知识库）vs实验组（动态更新），核心看分布外样本的指标增益美团场景的特殊考量外卖/酒旅业务中，供给变化极快（商家上下架、库存波动）。我们采用：实时库兜底：Redis存储当前可用商家ID，向量检索后过滤，避免推荐已下线商家分层RAG：城市级热向量常驻内存，长尾向量按需加载，平衡内存与召回最终效果：分布漂移检测准确率>85%，知识更新后头部b…

#美团#分布漂移#外接数据库增强

面试题·RAG· 字节

RAG 怎么提升生成质量?

匹配正文：…义 RAG（Retrieval-Augmented Generation）= 检索 + 生成。不是让模型硬背知识，而是按需检索外部知识库，把相关文档塞进Prompt，让模型基于"开卷考试"作答。标准流程（三阶段）阶段关键动作技术要点索引文档切分→Embedding→入库分块策略（按语义/固定长度）、向量化模型选型检索 Query向量化→相似度搜索→TopK召回向量数据库（Milvus/Faiss）、多路召回（向量+关键词）生成拼接Prompt→LLM生成…

#字节#大模型幻觉#RAG 原理

面试题·RAG· 美团

动态增量更新怎么防检索偏差?

匹配正文：问题成因分析核心矛盾：增量更新破坏了知识库的"语义一致性假设"——即检索时query与doc的embedding应来自同一分布。具体成因：模型版本漂移：新旧文档使用不同版本的embedding模型，向量空间不对齐时间衰减效应：领域知识演化导致相同词汇语义变化（如"新冠"在2019 vs 2023的含义）索引碎片化：局部更新导致向量空间密度不均，近邻搜索出现"断层" 缓解策略策略核心思路适用场景版本隔离新旧文档分索引存储，检索时多路召回+重排序融合模型升级…

#美团#增量更新检索偏差#RAG 知识库更新