匹配正文：…期结束。同时搜索两版索引只适合作为明确设计的过渡方案：每个查询必须由对应版本编码，跨空间原始分数需要按版本校准或按名次融合。旧向量到新空间的映射或向后兼容训练可降低重算压力，但效果取决于配对数据和任务，不能假设一定有损或一定可替代重编码。迁移策略应按数据量、变更速率、算力和停机预算决定，而不是固定数量级阈值。验收应比较 Recall@K、NDCG/MRR、无结果率、P95 延迟和索引新鲜度。图解 Embedding升级后向量对齐方案图解

#抖音#向量检索#Embedding 升级

面试题·RAG

Embedding 和 Rerank 模型怎么选？什么时候值得领域微调？

匹配正文：… 如果不先拆开职责，常见的误判是：正确证据根本没召回，却把责任归给 Rerank；或者召回已经够好，只因为最终回答不准就不断更换 Embedding。面试官追问模型选型，本质上是在看你能不能把故障定位到正确的一层。本题不重复讨论“为什么 Rerank 不能对整个知识库逐条运行”，重点放在候选模型怎样筛选、如何做公平对照、何时值得微调，以及版本升级怎样迁移和回退。 Embedding 和 Rerank 负责不同阶段公开榜单只能缩小范围，不能替你做项目决策公开榜单有价值，因…

#RAG#检索与重排#Embedding 模型选型

面试题·Agent

Agent 记忆数据怎么存？关系库、向量库、对象存储与 Schema 怎样设计

…户、类型和有效状态范围。但不要只依赖索引里的状态快照。更新传播有延迟，索引可能仍显示 active。结果返回后必须回主记录复查。向量命中是候选，不是权限授权，也不是事实正确证明。可检索文本也不一定等于完整正文。结构化偏好可以生成规范化检索表示，长历史摘要可以只索引摘要并引用对象工件。敏感内容需要最小化，不能为了提高召回把完整秘密复制到更多索引副本。 Embedding 模型升级要保存版本。新旧向量空间不可直接假定兼容。迁移可以新建索引或双版本构建，用固定评测集比较，再逐步…

第 1 / 3 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

匹配正文：

#Agent#记忆与存储#Agent 记忆存储设计

面试题·RAG

RAG 首字响应为什么慢？Embedding、检索和生成怎么逐段优化？

匹配正文：…么优化？先确认在线请求有没有重复计算文档向量。文档 Embedding 属于离线入库工作。在线问答通常只需要计算 Query 向量。如果每次问答都重新向量化整份资料，架构边界已经错了。重复 Query 可以缓存 Embedding。这里的缓存只是一种可选工程策略：先规范化文本，再生成缓存键，命中后复用向量。是否值得采用，要看真实 Query 的重复程度和缓存维护成本。但一个生产缓存键不能只有 Query 文本。 Embedding 模型升级后，同一句话对应的向量空间已…

#RAG#评测与上线#RAG 首字响应

面试题·检索· 百度

向量检索基本原理是什么?

匹配正文：… 向量检索把文档和查询编码到同一表示空间，再按照与模型训练方式匹配的距离或相似度寻找近邻。效果不仅取决于索引，还取决于语料、分块、embedding 版本和距离度量是否一致。 1. 向量化文档块与查询通常使用同一 embedding 模型及同一预处理版本编码。领域、语言和查询长度会影响表示质量，应在目标查询集上验证，而不是用“语义接近”作主观判断。模型升级时要记录向量版本；不同模型产生的向量通常不能直接放在同一索引中比较。 2. 索引构建 Flat 做精确搜索，可作为小…

#百度#向量索引#向量检索原理

面试题·检索· 安克科技

RAG 向量匹配怎么高效实现?

匹配口述回答：…围；IVF-PQ 再对子空间量化，能降低存储和内存带宽，但会引入距离误差。精确标识符、过滤条件很强的查询，稀疏或结构化检索可能比纯向量更合适。索引还要处理持续更新。新增向量可以先进入 delta 索引，查询合并 base 和 delta；删除用 tombstone，并根据比例重建。新旧 embedding 空间不能混搜，升级时需要双读、固定 query 回放、影子索引和原子切换。权限、租户与语料版本要绑定到索引和缓存键，否则性能优化可能换来越权风险。基准测试固定向量集、q…

#安克科技#ANN性能权衡#RAG 向量匹配

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：…远循环。不同入库失败应该怎样恢复临时错误可以有限重试，数据错误需要修复，已成功项保持原状态。相同稳定 ID 让补跑只补缺口。 Embedding 也可能部分失败。系统应记录 Chunk 当前处于待向量化、向量完成、待写入、已写入还是失败状态。补跑时从未完成步骤继续，而不是重新解析和计算所有内容。如果 Embedding 模型升级，旧向量不能直接与新模型输出混用。缓存键和记录里要带模型版本，这属于模型迁移，不应被普通重复上传逻辑静默跳过。失败恢复还要区分“请求是否超时…

#RAG#切分与索引#RAG 增量入库

面试题·RAG

RRF 和加权求和怎么选？两路检索分数为何不能直接相加？

匹配正文：…窄的区间。若一条检索路只有一两个结果，最大值与最小值相同，还要定义特殊处理。Z-score 相对关注分布，但候选少、分布偏斜或模型升级后统计特征改变时，校准也可能失稳。更稳妥的工程做法，是在固定版本的评测集上观察每路分数分布，保存校准方法和版本，并在索引或模型更新后重新检查，而不是每次查询临时归一化完就认为分数已经“公平”。前提二：权重必须有依据如果验证集显示精确查询更依赖 BM25，口语化和同义表达更依赖向量检索，可以按查询类型采用不同权重。工程上可以先做意图分类和动…

#RAG#检索与重排#RRF

面试题·RAG

Query 重写、扩写和 HyDE，应该在哪些查询上启用？

匹配正文：…不知道“这个”指什么就无法检索。第二句包含两种可能出现在文档里的表达，系统需要覆盖不同措辞。第三句只有一个抽象概念，信息太少，向量很容易飘到一堆相近主题。这三类问题都可能被笼统地归入“Query 优化”，但适合的处理方法并不一样。如果不分类型，每个问题都先交给大模型改写，不仅多一次调用，还可能把原本清楚的编号、否定和限制条件改错。重写、扩写和 HyDE 分别解决什么？ Query 重写追求的是“把问题说完整”。用户问“这个怎么申请”，系统要结合有限的对话历史，把它…

#RAG#检索与重排#RAG Query 重写

面试题·多模态· 得物

多模态异构数据怎么统一存储?

匹配正文：…ncoder并训练projector，而不是把projector也冻结后声称正在对齐。索引层有两种路线：训练出共同空间后建立统一向量索引；或按模态维护独立索引，分别召回后做late fusion。独立索引分数没有天然共同标尺，需要分数校准、rank-based fusion或学习融合器，再交给reranker。调用层根据query模态、任务和权限选择encoder、索引与原始片段，并返回可追踪证据。版本升级要双写或重建索引，避免新旧embedding混用。

#多模态融合#特征对齐#向量数据库

项目实战·RAG

RAG 智能问答系统

匹配正文：…赖演练和完整模型链路：前者用玩具/模拟组件检查逻辑，后者还需要本地模型、首次权重下载、有效LLM凭据与网络。通过冒烟测试不等于真实Embedding、重排和LLM生成已经跑通。建议为这版配套代码使用 Python 3.11独立环境。原requirements使用版本范围，不是完整锁文件，也不保证不同平台今天安装都得到同一组合。macOS/Linux可从这份已核对的仓库版本开始： git clone https://github.com/MisterBooo/rag-from…

#项目实战#RAG 智能问答系统

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：…间的关系。但它们的目标一致：既拿到正文，也保留“这段话来自哪里”。文字取出来以后，还要变成便于比较意思的一组数字坐标，这一步叫 Embedding。不熟悉这个词也没关系。你只需要知道，系统可以借助这些数字，比较两段话在意思上是否接近。用户写“休假怎么审批”，原文即使写的是“年假申请流程”，系统也有机会把它找出来。专门存储这些数字坐标、并支持按相似度搜索的资料库，通常叫向量数据库。找到相关片段后，系统才会把用户的问题和片段原文一起交给大模型。大模型负责把资料整理成通顺的…

#RAG#解析与入库#视频 RAG

面试题·Agent

什么时候该用 Deep Research，而不是普通 RAG？复杂问题怎么分级路由？

匹配正文：… 如果这种循环通常只有少量步骤，最后仍然交付一个直接答案，可以考虑 Agentic RAG。它与普通 RAG 的区别不在于有没有向量库，而在于检索是否由固定流水线执行。普通 RAG 预先规定“检索一次再生成”；Agentic RAG 允许模型根据当前证据决定是否再查、改查什么、要不要调用另一个工具。它与 Deep Research 的区别则在交付目标。Agentic RAG 主要想把当前答案补准；Deep Research 要覆盖一个完整研究任务，包括多个对象、多个维度、…

#Deep Research#问题边界与研究闭环#Deep Research 分级路由

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：…单元。 RAG 可以分成离线知识入库和在线问答两个阶段。文档解析处在离线阶段最前面。解析器交给后面的内容如果已经丢失或错乱，分块、向量化和入库仍可能正常运行，只是它们会忠实地处理一份错误材料。多格式入库首先判断“知识以什么形式存在”，不能只看文件能不能打开。电子 PDF 的正文可能存在字符层，可以按页读取文字，但多栏排版、表格和浮动图片仍需要版面信息。扫描 PDF 看上去也是 PDF，页面内部却可能只有图像。PPT 不是一篇连续文章，一页中的标题、文本框、项目符号、图片和…

#RAG#解析与入库#RAG 文档解析

项目实战·Agent

第 2 章:Agent 执行框架,ReAct → IterResearch

匹配正文：…terResearch 的关键创新:把调研看成一个「状态机」,用演进报告当常量大小的中央记忆 ✓ 学会一条「问题逐层加码、方案逐层升级」的主线:ReAct → IterResearch → ReSum ✓ 建立框架选型直觉:ReAct / IterResearch / ReWOO / Reflexion / Research-Synthesis 各适合什么,以及测试时扩展怎么用计算换质量本章按三段式组织: 段落给谁看内容占比 🚀 Part 1 · 主线实战零基础,…

#Agent#Deep Research#项目实战

面试题·RAG

扫描 PDF 没有文本层，RAG 怎么做 OCR 与失败降级？

匹配正文：…有内容 ID 跟着变化，但页面语义并没有变。适配层需要先把两版结果映射到同一内部结构，再判断哪些 Chunk 应替换。否则一次工具升级会制造大量重复向量和失效引用，排查时却只看到入库数量突然增加。发布前还应确认失败页面的处理决定没有被新版本抹掉。原本标记为待复核的关键区域，不能因为新版返回了非空字符串就自动转为可用；已经人工确认的修正，也不能被一次全量重跑静默覆盖。候选结果、人工决定与最终入库内容需要分别留痕，才能说明系统为什么采用了这一份文字。混合页面还会遇到原生字符层…

#RAG#解析与入库#扫描 PDF RAG

项目实战·RAG

第 3 章:文档预处理与切分

匹配正文：…unking\Scripts\Activate.ps1激活。当前官方写法是langchain_text_splitters分包，若升级请同步代码与测试。 Step 2:准备测试 PDF 把允许处理的PDF放到当前目录，改名your_doc.pdf。本次用本地生成的长/短/空PDF验证，没有读取私人资料；空或纯扫描页不会凭空变成文本，需要检查解析或先OCR。 Step 3:写第一段切分代码新建 chunk_demo.py(完整文件也在 code-snippets/chunk_…

#RAG#检索#项目实战

项目实战·Agent

第 3 章:工具集设计,让 Agent 真正「会用工具」

匹配正文：…+ 自检清单 ~10% 🚀 Part 1 · 主线实战｜ ~55% 这部分跟着做。你会把上一章那个「只会搜索」的 Agent,升级成一个「会搜、会点进去看、还会算数」的调研助手。先讲个真实场景(这是本章的「为什么」) 上一章的 mini-agent 只有一个 search 工具。它能拿到的,只是搜索结果的标题和摘要,就像你在搜索引擎里只看到那一行行蓝色链接和下面两句话。可真正做选型调研,光看摘要远远不够。工程师问:「Qdrant 单机大概能扛多少 QPS?」,这个数字…

#Agent#Deep Research#项目实战

求职指南·求职

大模型应用开发岗一天在做什么?细分岗位画像

匹配正文：…类岗位画像总览岗位类型一句话解释日常任务更适合谁面试高频模块 RAG 工程让模型基于企业资料回答问题文档处理、切块、Embedding、检索、重排、引用、评估后端、数据、企业系统、知识库项目背景 RAG 基础、向量检索、重排与优化 Agent 开发让模型调用工具完成多步任务工具 schema、任务规划、状态机、记忆、异常兜底后端、全栈、自动化、研发工具背景 Agent、Prompt 工程推理部署/LLMOps 让模型服务稳定、便宜、跑得快模型服务、并…

#求职#职业转型

面试题·RAG

复杂 PDF 的双栏、表格和图片怎么解析，才不会打乱语义？

匹配正文：处理复杂 PDF 时，常会遇到一类高风险结果：每个字都识别出来了，但阅读顺序和字段关系却是错的。解析任务显示成功，分块与向量化正常完成，用户也能搜到很多相似内容，但模型拿到的证据已经不是原文真正表达的意思。先看一个双栏理赔指南的例子。左栏写办理步骤，右栏写申请材料。如果解析器按照同一水平位置依次拼接，输出会变成一句步骤接一句材料。用户问“需要提交哪些材料”时，检索器看到的不是一个完整材料清单，而是一段步骤和材料交错的文本。面试官很可能追问： PDF 里的文字已经提取出来了…

#RAG#解析与入库#复杂 PDF 阅读顺序

求职指南·求职

研一/研二转大模型应用开发:三年怎么规划、来得及吗

匹配正文：…demo 研一暑期尝试第一轮实习投递投 RAG/Agent/AI 应用实习,用面试反馈修项目等“准备完美”再投研二上项目升级 + 面试题补评估、引用、重排、记忆;刷851 道真题只刷选择题式八股,不练口述研二寒假/春招冲暑期实习/提前批根据 JD 改简历,看真实面经校准追问一份简历海投所有岗位研二暑期拿实习或补强项目有实习就做深;没实习就把项目打到可讲透因为一次没过就换方向研三上秋招闭环项目深挖、系统设计、行为面、投递节奏临时补项目,临时…

#求职#职业转型

面试题·RAG

MinerU 能直接解决 RAG 文档解析吗？哪些页面必须二次处理？

匹配正文：…报错，Markdown 和 JSON 也正常生成。打开结果一看，正文、标题、表格似乎都有。这时候能不能直接切成 Chunk，写进向量库？很多人的第一反应是可以。解析工具已经把 PDF 变成了文本，后面无非就是切分、向量化和检索。用户真正关心的是输出能不能长期稳定使用：同一区域有没有重复出现，正文和表格是否表达了两份冲突内容，解析器升级后字段结构会不会变化，重新处理时旧 Chunk 能不能被正确替换，答案又能否回到原页。“文件已经生成”只回答了任务状态，没有回答这些质量问…

#RAG#解析与入库#MinerU RAG

面试题·RAG

RAG 文档解析质量怎么评估？不能只看“解析成功”

匹配正文：…也没有回答用户提问时能不能找到正确证据。解析错误往往不会让程序崩溃。标题被压成普通正文，数据库照样可以写入；同一页重复输出两次，向量仍然能够生成；引用位置发生偏移，任务状态也可能显示完成。所以面试官问“怎么评估文档解析质量”时，不能只回答一个准确率。为什么一个“解析准确率”不够？假设两套解析方案都保留了页面里的绝大部分字符。第一套仍然区分章节标题、列表前导句和正文，第二套却把它们全部压成同一级文本。若只按字符是否出现计算，两套结果可能很接近；进入 RAG 后，第二套…

#RAG#解析与入库#RAG 文档解析评估

面试题·RAG

Chunk Size 和 Overlap 怎么选？不要背 512 和 100

匹配正文：…？从工程链路看，RAG 可以拆为离线解析、在线召回、上下文生成和查询理解。切分位于离线阶段，但它会沿着整条链路向后影响：块太大，向量里同时包含多个主题，检索得分可能被噪声稀释；块太小，问题所需的前提、条件和结论可能落在不同块里；重叠太小，边界信息可能断开；重叠太大，多个近似块会挤进同一个 Top K。所以，这不是一个“字符串应该截多长”的问题，而是“证据怎样进入检索单元，并以多大代价被稳定找回”的问题。 Chunk 不是越大或越小越好参数同时影响语义完整性、检索区分度和…

#RAG#切分与索引#Chunk Size