匹配正文：一个 RAG Demo 往往只有几步：上传文件，切成 Chunk，写进向量库，然后在同一个接口里提问并生成答案。本机演示时，这样很直观。可一旦真的有用户上传文档，问题就出现了。复杂 PDF 解析可能持续很久，某一页 OCR 失败，部分 Chunk 已经写入，用户却不知道任务进行到哪一步。与此同时，在线问答要求尽快返回，不能被后台解析占满资源。入库和问答使用不同资源，面对不同失败，追求的目标也不同。这就是 RAG 系统设计面试最常问的一类题：一个可上线的 RAG 系统…

#RAG#评测与上线#RAG 系统设计

面试题·Agent· 阿里

LangChain vs LlamaIndex 在 RAG 中怎么选?

匹配正文：…合检索 LangChain Agent判断用户意图，决定直接回答/检索知识库/转人工/调用订单API 选型建议场景推荐方案纯RAG应用 LlamaIndex为主复杂Agent工作流 LangChain + AutoGen 已有数据基础设施 LlamaIndex检索 + 自研Agent 快速原型验证 LangChain（生态最成熟）学习建议建议从官方文档入手，动手搭建简单项目，理解各框架的模块设计与适用场景，重点掌握LangChain的链式结构与LlamaIndex…

#阿里云#Agent#Agent 框架对比

面试题·文档处理· 美团

RAG知识库构建流程详解

…小规模 Weaviate 混合搜索、GraphQL 需要关键词+向量混合检索 pgvector PostgreSQL扩展已有PG基础设施，数据量<100M Faiss 纯索引库、轻量实验环境、嵌入式部署 5. 索引构建与优化索引算法：HNSW（高召回、快查询，内存占用大）vs IVF（省内存、适合十亿级）参数调优：HNSW的M（连接数，通常16-64）、efConstruction（构建精度）增强策略：多向量表示：一个文档存摘要向量+详细内容向量元数据过滤：先按…

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：

#美团#RAG 知识库构建#文档预处理

面试题·评估· 京东

RAG 缓解哪类幻觉?

匹配口述回答：…型检索到了“满200减30”和“优惠券不能叠加使用”两条规则，但它自己推理出“满400减60”，这就错了。这类逻辑矛盾、推理错误，RAG管不了，得靠训练或者推理优化，比如[[Self-RAG]]让模型学会反思。所以真正落地的时候，我倾向于把RAG当成基础设施，但不会只依赖它。比如检索环节，我会做**[[混合检索]]**，把[[BM25]]关键词和向量检索结合起来，避免因为语义偏差漏掉关键文档。生成环节，我会加[[Rerank]]和[[Self-Refine]]，先让模型基于…

#京东#知识型幻觉#RAG 幻觉

面试题·多模态· 阿里

Multi-modal RAG 是什么?

匹配口述回答：…比如用[[Cross-Encoder]]对图文对做更精细的匹配。但重排的计算成本很高，所以要做级联策略。最后说说我的判断。多模态RAG的落地前提是数据质量和索引成本可控。如果业务里多模态数据量巨大，比如上亿张图，索引构建和更新就是个大工程。我会更倾向于先用纯文本RAG兜底，对多模态查询做降级处理，比如用图片的文本描述替代原图检索。等基础设施成熟了再逐步上线多模态。说到底，多模态RAG的本质是把“检索”从文本知识库扩展到多模态世界，但工程上永远要在效果和成本之间做取舍。一句…

#阿里#多模态#Multi-modal RAG

面试题·RAG

Deep Research vs RAG 怎么选?

匹配口述回答：…，比如模型一直查同一个方向跑偏了。所以前提是要有可靠的终止条件，比如最大轮数或者置信度阈值。其实现在有个趋势是把两者结合，比如用RAG做快速的事实检索，再结合[[Agent]]的规划能力做多步推理。像[[Agentic RAG]]就是这种思路，模型先用RAG拿到初步信息，然后根据结果决定下一步是继续搜还是直接回答。这个方向的关键是平衡成本和准确性。所以我的判断是：RAG是基础设施，解决大部分常规问题，成本可控；Deep Research是进阶能力，解决那些真正需要深度研究…

#Deep Research#RAG#Deep Research vs RAG

面试题·检索· 字节

RAG 架构组件与失败场景

匹配口述回答：这道题问[[RAG]]的架构和流程，其实本质是问你怎么把外部知识可靠地注入到大模型生成里，同时控制[[幻觉]]和成本。我理解RAG的核心就三个环节：先把知识切成块并[[向量化]]存起来，然后根据用户问题把相关的块捞回来，最后让模型基于这些块来回答。但真正落地的时候，每个环节都有很多坑要踩。先说索引模块。[[分块]]这一步很多人随便按固定长度切，但实际业务里，比如客服退款场景，用户问的是“我退货了但没收到退款”，相关文档可能是一整段流程说明，如果切碎了，模型只拿到半截，答案就…

#字节#RAG组件协同#RAG 系统架构

面试题·推理优化· 字节

FAISS 怎么实现高效 ANN 搜索?

匹配标题与标签：… ANN 搜索? IVF 与 PQ 索引结构原理,近似最近邻搜索核心机制推理优化向量检索近似最近邻搜索量化压缩倒排索引 RAG基础设施 2026真题 FAISS 原理 IVF 索引 PQ 索引系统优化与推理加速字节

#向量检索#近似最近邻搜索#量化压缩

面试题·RAG

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

匹配正文：…拆开？召回结果重复后，会占掉多少候选位和模型上下文？参数改变后，怎样证明收益来自切分，而不是其他模块同时变化？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…

#RAG#切分与索引#Chunk Size

面试题·文档处理· 字节

Chunk 向量化与索引怎么选?

匹配正文：…aS：按量付费，适合波动负载字节场景的特殊考量：内部通常自研或基于Faiss二次开发，追求极致性能与成本控制，同时需要与推荐系统基础设施打通。学习建议掌握常见嵌入模型（如BERT、Sentence-BERT）和向量数据库（如FAISS、Milvus）的基本原理与对比维度，结合RAG流程理解向量化与检索的协同机制。

#字节#向量检索#Chunk 向量化

求职指南·求职

要不要做微调 / Post-Train 项目,轻量版怎么做

匹配正文：…O/GRPO 等做偏好对齐 → 工具调用轨迹数据训练 Agent 行为 → 再回到评估和数据迭代。它依赖大量高质量标注、稳定的训练基础设施、专门的评估体系,一个人在自己机器上基本复现不了全貌。给你的定位建议:应用开发岗自学到"能做一个有评估的轻量 LoRA/SFT、能讲清 RAG/Prompt/微调取舍"就够了,再往上是应用算法和研究生算法向的战场。想看这套训练闭环在一个真实 Agent 项目里怎么落地,可以读 Deep Research 的训练章;而完整的工业级 Post…

#求职#职业转型

面试题·项目与经历· 美团

Agent 商业落地评估框架

匹配正文：…分离四、美团场景的具体契合美团的技术栈（Java/Go为主、微服务架构、CRUD占比高）特别适合代码生成：业务代码模式化强，RAG加持下可结合内部框架生成内部已有代码规范、Review流程，天然的人机协作闭环结论：代码生成是"技术可行、成本可控、市场愿付"三者的最优交集，其他能力还需1-2年基础设施成熟。

#Agent#代码生成#商业落地

面试题·文档处理· 字节

医学论文与法律条文切块

匹配题目：在RAG系统中，如何对专业领域文档（如医学文献或法律条文）进行有效的文本切块？常见的文本分块策略有哪些及其适用场景？

#字节#医学论文与法律条文切块#医学论文和法律条文为什么要用不同的切块策略

面试题·检索

向量数据库和普通数据库有什么区别?

匹配正文：…几千维的向量，语义越接近的内容，向量在空间中的距离越近；查询时输入一个查询向量，数据库返回距离最近的 Top-K 条记录。这正是 RAG（检索增强生成）里"根据问题找相关文档"这一步的基础设施。和传统数据库的对比维度传统数据库（MySQL）向量数据库（Milvus/Faiss 等）存什么结构化行数据高维向量 + 元数据怎么查精确条件（WHERE）相似度 Top-K（近邻搜索）结果完全匹配的集合按距离排序的"最像的几条" 典型索引 B+ 树 HNSW …

#入门#基础概念#向量数据库

面试题·多模态· 字节

Agent 优势与局限怎么分析?

匹配正文：答案要点 Agent与RAG的本质区别（主动规划vs被动检索）核心优势：任务分解、工具调用、多轮交互、自主决策主要局限：可靠性不稳定、延迟高、成本不可控、安全边界难定义技术趋势：Multi-Agent协作、Agent即服务(AaaS)、与具身智能结合潜在挑战：评估体系缺失、长期记忆机制、多模态工具生态核心优势 1. 从"问答"到"执行"的跃迁 RAG是"知识检索+生成"，Agent是"理解→规划→执行→反思"的闭环能调用外部工具（API、代码执行、数据库），完成复…

#字节#Agent#Agent 优势与局限

面试题·RAG· 阿里

LangChain vs LlamaIndex 场景怎么选？

匹配标题与标签：LangChain vs LlamaIndex 场景怎么选？核心设计理念与适用场景对比,技术侧重点分析 RAG 阿里云 AI框架选型 LangChain vs LlamaIndex RAG框架对比阿里

#阿里云#AI框架选型#LangChain vs LlamaIndex