匹配正文：…时的硬需求。数据处理能力:文档解析、清洗、索引、数据库、消息队列,正好对应 RAG 和 Agent 的底层管线。排障能力:线上问题定位、性能瓶颈、用户反馈闭环,比“调一个 demo”更接近真实岗位。业务理解:知道需求怎么变、用户怎么提问、系统怎么接入现有流程,这是很多纯算法背景候选人反而缺的。这也是为什么后端工程师转大模型应用开发:已有经验怎么迁移要单独写一篇:后端不是从零转行,而是在原有工程底座上叠一层模型能力。但不要把应用岗理解成“只会调包” 2026 年之后,…

#求职#职业转型

面试题·RAG

RAG 评测集怎么构建？问题、答案和证据必须怎么标？

匹配正文：…答案中的事实能否由本轮检索证据支持。引用评估还要看引用的原文是否真的支持对应陈述，以及用户能否回到正确位置。 RAG 各层指标与问题定位矩阵检索指标回答“证据找得怎样”，生成指标回答“模型怎样使用证据”，二者不能混成一个总分。举个诊断思路。 Recall@K 下降时，可以检查解析、Chunk、Query、过滤和召回。Recall 正常而 MRR 下降，融合与重排更值得优先检查。正确证据已经排在前面，Faithfulness 却下降时，再看 Prompt、上下文组织和模型…

#RAG#评测与上线#RAG 评测集

面试题·Agent· 字节

Tool Calling 工具集设计原则

匹配正文：…ry broader keywords"} 可观测性：每个工具调用生成唯一trace_id，记录输入参数、执行耗时、原始响应，便于问题定位四、安全与扩展权限隔离：工具绑定角色权限，敏感操作（支付、删除）需二次确认输入净化：参数防注入，特别是SQL、代码执行类工具热更新：工具版本化管理，支持A/B测试和灰度发布

#字节#Tool Calling 设计#工具集设计原则

面试题·Agent· 字节

通信 vs 角色分工怎么选？

匹配正文：…势专业化：每个Agent专注窄领域，降低单模型能力要求可扩展：新Agent即插即用，不影响现有流程可解释：执行链路清晰，便于问题定位容错性：Reviewer不通过可回退到Coder重试关键工程细节超时熔断：单Agent超时自动降级到备用策略冲突仲裁：多Agent结论冲突时，引入Judge Agent投票或人工介入成本优化：轻量任务用7B模型，复杂推理才触发70B模型

#字节#Agent#多Agent协同

面试题·模型微调

生成质量差怎么调优?

匹配正文：…shot示例、角色设定）上下文处理策略（重排序、压缩、截断优化）模型层面的SFT/RLHF微调生成控制参数与后处理校验机制问题定位首先确认是纯生成问题（检索结果已准确），而非检索-生成不匹配。常见症状：内容拼凑感强、逻辑断裂、答非所问。核心优化策略 1. Prompt工程（零成本首选）指令结构化：明确输出格式（"请分三点回答"）、约束条件（"仅基于提供的文档"） Few-shot示例：在Prompt中嵌入2-3个高质量输入-输出样例角色设定：赋予模型特定身份（…

#RAG 生成质量#指令遵循#生成模块调优

面试题·模型微调

生成模型回答不准怎么调?

匹配正文：…排序等轻量级优化手段理解SFT/RLHF在RAG场景的特殊性（如拒答能力、引用忠实度）提及系统级方案如多模型路由、生成后校验问题定位：检索准≠生成好先确认是生成能力不足还是检索-生成对齐问题：检索片段本身矛盾/冗余 → 上下文组织问题模型忽略检索内容、自由发挥 → 注意力对齐问题模型无法理解专业领域知识 → 领域适配问题分层优化策略 1. 提示工程（零成本）显式指令：强制要求"基于以下材料回答，禁止推测"，加入引用标记要求 Few-shot示例：给2-3个"…

#生成模型调优#上下文利用#RAG 生成不准确

面试题·RAG

RAG 检索准但回答差怎么调?

匹配正文：…的解耦问题识别上下文窗口、文档排序、信息冲突等中间环节瓶颈提出系统性的调优路径而非单点修复体现对RAG全流程的深入理解核心问题定位检索准确 ≠ 生成优质，瓶颈常在中间处理环节和生成阶段。主要原因分析 1. 上下文组织问题文档拼接顺序混乱，关键信息被淹没冗余内容过多，超出模型有效上下文窗口多文档间信息冲突未消解 2. 提示工程缺陷缺乏明确的指令引导模型如何利用检索内容未约束模型"优先基于文档回答，不确定则拒绝" 3. 生成阶段问题模型本身指令遵循能力不足…

#上下文组织#生成质量调优#RAG 生成质量差

Agent 线上答错一次，怎样用 Trace 和 Replay 定位到底哪一步坏了

项目难题怎么定位与解决?

Agent 系统哪些模块最易出问题?

RAG效果差：检索vs生成怎么诊断？