匹配正文：…题的模块分布,能直接反映"这个方向面试考多少"。方向是什么 / 解决什么问题面试频率(站内题量) 代表题库模块代表教程章 RAG 检索增强让模型基于你的知识库回答,解决"胡说、没有企业数据"的问题,应用岗第一主战场 RAG基础 62 RAG 基础题库 RAG 智能问答系统教程重排与检索优化 RAG 里"召回准不准"的关键环节,效果好坏经常卡在这重排与优化 70、向量检索 49 重排与优化题库重排章 Agent 智能体让模型能规划、调工具、多步完成任务,当前最…

#求职#职业转型

面试题·评估· 得物

Agent部署关键环节与陷阱

匹配正文：…持久化历史；key设计：agent:{user_id}:{session_id} Token预算：滑动窗口保留最近N轮，超长历史走RAG摘要压缩；单轮预留20%给工具返回结果隔离策略：用户级、会话级、工具调用级三级context，防止信息泄露 4. 调度系统执行模式：ReAct循环（Thought→Action→Observation），支持单步/多步工具并行（DAG依赖解析）优先级队列：实时对话>批量任务，防止长尾阻塞中断机制：用户新消息可中断当前推理链，保存che…

#得物#Agent#Agent 系统部署

面试题·模型微调· 字节

领域 RAG 知识库构建

匹配题目：请详细描述搭建专业领域知识RAG系统的完整流程，包括数据准备、向量化处理、检索策略、模型集成和效果评估等关键环节。

#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· 字节

领域RAG应用链路怎么搭?

匹配题目：请系统性地描述如何为一个特定专业领域（如医疗、法律、金融等）搭建完整的RAG（检索增强生成）应用链路，包括数据准备、检索模块、生成模块和评估优化等关键环节。

#字节#领域 RAG#RAG应用搭建

面试题·检索· 字节

专业领域RAG链路优化陷阱

匹配题目：在构建面向专业领域（如医疗或法律）的智能助手时，应如何系统性地设计与优化检索增强生成（RAG）的整体链路？请详细阐述文档预处理、索引构建、检索策略选择、结果重排序、生成内容融合及输出优化等关键环节，并结合实际应用场景说明各阶段的技术选型依据与改进方向。

#字节#重排与优化#RAG 链路优化

面试题·检索· 百度

RAG 瓶颈在哪一步

匹配题目：请详细描述RAG（Retrieval-Augmented Generation）系统的完整工作流程，分析各阶段中可能成为性能或效果瓶颈的关键环节，并针对每个瓶颈提出具体的优化思路，说明其对系统整体表现的影响。

#百度#重排与优化#RAG 系统瓶颈

面试题·检索· 百度

RAG 文档处理与检索策略怎么搭？

匹配题目：请详细描述RAG（检索增强生成）系统的典型架构和实现流程，包括文档处理、检索策略和生成集成等关键环节

#百度#RAG检索策略#RAG 系统架构

面试题·检索· 字节

专业领域RAG数据与检索优化？

匹配题目：请设计一个专业领域的RAG(Retrieval-Augmented Generation)系统架构，包括数据预处理、检索优化、生成改进等关键环节

#字节#领域RAG架构#RAG 系统架构

面试题·检索· 字节

领域 RAG 架构如何控幻觉?

匹配题目：请设计一个基于专业领域知识（如医疗或法律）的智能助手RAG系统架构，包括数据预处理、检索优化、生成优化等关键环节的具体实施方案。

#字节#专业领域RAG#领域 RAG 架构

面试题·检索· 高德

RAG 系统实现流程怎么搭?

匹配题目：请详细说明检索增强生成（RAG）系统的整体实现流程，包括文档处理、向量化、检索模块、生成模型集成以及结果融合策略等关键环节。

#高德#RAG结果融合#RAG 实现流程

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·模型微调· 商汤科技

RAG 技术流程怎么跑?

匹配追问：…，你怎么保证它能基于真实知识来回答？……如果知识是动态更新的呢？……那你怎么把外部知识塞进去，又不重新训练模型？直球架构讲一下检索增强生成（RAG）从索引到检索再到生成的全流程技术实现，包括文档分块、向量化、相似度搜索和提示组装这些关键环节。

#商汤科技#检索生成流程#RAG 技术流程

面试题·知识图谱· 字节

RAG 技术原理和实现流程

匹配口述回答：…精力放在检索链路优化上，比如[[混合检索]]，把向量和 [[BM25]] 关键词结合起来，应对不同 query 类型。总的来说，RAG 不是万能药，前提是你的知识库质量要够高，文档结构清晰，否则检索不准，后面生成再好也没用。我更倾向先做检索评测，再逐步优化生成，这样迭代路径更清晰。 RAG的核心定位与适用边界三阶段流程与关键环节落地风险与优化策略高级变体与工程取舍约4分钟 RAG落地上限在检索质量，而非生成能力。面试官可能会追问：你怎么量化检索质量？有哪些评测指标…

#字节#检索生成流程#RAG 技术原理

面试题·Prompt· 百度

RAG 改写与 Prompt 链路

匹配口述回答：这道题问的是[[RAG]]系统里两个关键环节：一是怎么把用户的问题改得更适合检索，二是拿到文档后怎么组织提示词让模型好好回答。说白了，query改写的本质是弥合用户表达和文档表达之间的语义鸿沟，而提示词构建的核心是教会模型怎么用文档、怎么处理不确定性。先说query改写。常见策略其实分几类，但真正落地你会发现很少只用一种，往往是组合着来。比如查询扩展，最简单的是用LLM生成同义词或近义词，把“退款流程”扩展成“退货退款步骤”“取消订单退钱”之类的，这样能提升召回。更高级一点…

#百度#小鹏#美团

面试题·检索· 百度

RAG 工作原理与核心组件

匹配追问：…也滞后，你一般怎么解决？……如果靠外挂知识库，那你怎么把问题和知识库里的文档匹配上？……匹配到的片段怎么组织给模型？整个流程有哪些关键环节？直球架构请从系统架构角度讲一下RAG的工作原理，包括离线索引、在线检索和生成三个阶段，核心组件有哪些？比如向量数据库、Embedding模型怎么选，检索策略和优化手段是什么？

#百度#RAG核心组件#RAG 工作原理

面试题·Agent· 百度

Agent 规划记忆工具调用机制

匹配追问：…模型自己去拆解、调用查询工具，还能记住两轮结果？层层追问 Agent 工作流你了解吧？……那从用户一句话到最终执行，中间会有哪些关键环节？……如果任务复杂，比如要查天气再订机票，你怎么让模型自己规划步骤？……执行中工具报错了，怎么处理？直球架构从零设计一个大模型 Agent，要求说清楚规划、记忆、工具调用、执行这四个核心组件怎么分工，工作流程是怎样的，以及怎么跟 RAG 系统结合来增强知识获取能力。

#百度#Agent#Agent 系统设计

面试题·模型微调· 滴滴

大模型落地技术范式怎么选?

匹配口述回答：…回答还能溯源。比如智能客服，政策文档三天两头改，用RAG就能保证回答永远是最新版本，而且用户问为什么这么赔，你可以直接翻到原文。但RAG也有坑，检索质量决定了效果上限，如果 [[Embedding]] 做不好、[[Chunk]] 切得不合理，模型拿到一堆噪音，生成的结果反而更差。所以我的经验是，如果知识更新频繁或者需要可解释性，优先RAG；如果知识稳定、对延迟和深度定制要求高，优先微调。但更常见的是两者结合，比如用微调后的模型做底座，再在关键环节接入RAG，既保留了领域能力，…

#滴滴#模型微调#Agent

面试题·Agent· 淘天

Agent 开发框架对比

匹配口述回答：…方向。先说 LangChain，它最出名，特点是模块化、链式调用，后来加了LangGraph支持状态图。适合快速搭原型或者做[[RAG]]加Agent的混合系统。但我实际用下来有个坑：抽象层太厚，调试起来非常痛苦。比如一个多步推理流程，中间某步[[Function Calling]]返回异常，你得一层层剥开才知道是哪里的prompt写崩了。所以我的建议是，POC阶段可以用，但一旦进入生产，要么换更轻量的方案，要么你团队有足够精力去啃它的源码。说白了，LangChain适合'…

#淘天#Agent#Agent 开发框架对比

面试题·检索· 百度

向量召回原理与实现?

匹配正文：…相似度计算常用余弦相似度或内积 ANN索引（HNSW、IVF）解决高维向量检索效率问题大规模系统采用分片、量化、缓存等工程优化 RAG中需平衡召回率与延迟向量召回核心流程 1. 向量嵌入（Embedding）用预训练模型（BERT、Sentence-BERT、OpenAI Embedding等）将文本编码为稠密向量关键：语义相似的文本在向量空间中距离相近维度通常 256-1536 维，需权衡表达能力与存储成本 2. 相似度计算余弦相似度：衡量向量夹角，归一化后等价…

#百度#向量召回#向量召回原理