匹配正文：一、文本分块（Chunking）核心原则：语义完整性与检索粒度的平衡策略适用场景工具固定长度候选实现简单，参数需评测 LangChain RecursiveCharacterTextSplitter 语义分块文档结构清晰（论文、合同）按标题/段落边界切分递归分块长文档层次化结构先按章节，再按段落滑动窗口需要上下文连贯比较无重叠、短重叠和较长重叠关键细节：chunk size 必须低于实际嵌入模型的输入限制，并在同一评测集比较；过小可能造成语义碎片…

#字节#文档处理#向量检索

面试题·文档处理· 京东

RAG 分块策略选型

匹配题目：在构建检索增强生成（RAG）系统时，如何设计文本分块（chunking）策略以平衡上下文的完整性和检索的精确性？有哪些常用的方法和权衡考量？

#京东#RAG 分块策略选型#RAG 文本分块策略怎么选？完整性与检索精度权衡

面试题·文档处理· 蔚来

RAG分块策略：粒度、重叠与写入

匹配题目：在构建基于RAG的系统时，你是如何设计文本分块策略的？请说明分块的粒度选择、重叠处理以及向向量数据库写入数据的具体流程。

#蔚来

第 1 / 5 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

#文档处理

#RAG文本分块

面试题·文档处理· 百度

RAG 分块参数调优

匹配题目：在构建RAG系统时，如何进行有效的文本分块（chunking）？请介绍不同的分块策略、考虑因素以及各种方法的优缺点。

#百度#RAG 分块参数调优#RAG 分块大小和 overlap 怎么调？指标与实验方法

面试题·文档处理· 小鹏

RAG 分块长度与重叠如何取舍?

匹配标题与标签：RAG 分块长度与重叠如何取舍? 分段长度、重叠策略与语义完整性的权衡文档处理小鹏 RAG 文档分段检索增强生成分段策略文档分块重叠策略小鹏

#小鹏#RAG 文档分段#检索增强生成分段策略

面试题·文档处理· 安克科技

RAG向量化：分块与Embedding

匹配题目：请详细说明RAG系统中文档和查询的向量化过程，包括使用的嵌入模型、文本分块策略、向量归一化等处理方式，并解释向量匹配（如余弦相似度）的实现原理及优化手段。

#安克科技#RAG 向量化#Embedding 模型

面试题·文档处理· 安克科技

RAG文本向量化：分块与嵌入陷阱

匹配题目：请描述在RAG系统中将文本内容转化为向量表示的完整流程，包括编码模型选择、分块策略、嵌入优化等关键技术点。

#安克科技#RAG 文本向量化#分块策略

系统教程·RAG

RAG 面试题大全与知识体系

匹配正文：RAG 是大模型应用开发岗面试必考的第一主题：简历上写了 RAG 项目，面试官会从分块、检索、重排一路追问到评估。这一页把本站全部 RAG 资产按知识体系组织好——先用 11 章实战教程把系统做出来，再按模块刷真题，每道题都有书面答案和口语版讲法。配套教程 RAG 智能问答系统：11 章从原理到评测知识模块 RAG 基础与整体架构文档处理与分块向量检索与召回重排与检索优化知识图谱增强常见问题 RAG 面试一般会考哪些问题？围绕你简历上的 RAG 项目逐层追问：…

#专题学习#RAG 面试题大全与知识体系

面试题·文档处理· 字节

RAG 向量索引构建流程详解

匹配正文：…插入或定期merge 五、效果验证闭环建立端到端评测：用真实query测试检索Top-K命中率，结合LLM评估生成质量，反向驱动分块策略、Embedding微调、索引参数调优。学习建议建议先掌握RAG整体架构，再分步学习数据清洗、分块策略和嵌入原理，结合开源工具如LangChain和FAISS动手实践，加深理解。参考资料 Pandoc官方输入格式 ColBERT原论文:文本late interaction ColPali原论文:视觉文档检索 Faiss官方索引、增量与…

#字节#文档处理#RAG 数据处理流程

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

匹配题目：请描述构建RAG系统中知识库的完整流程，包括文档预处理、文本分块、向量嵌入模型选择、向量数据库选型与索引构建等关键步骤。

#美团#RAG 知识库构建#文档预处理

面试题·文档处理· 百度

分块策略怎么影响检索?

匹配题目：在构建RAG或文本处理系统时，如何进行有效的文本分块（chunking）？请讨论不同的分块策略和考量因素

#百度#文本分块#chunking 策略

面试题·文档处理· 百度

常用分块方法有哪些?

匹配正文：答案要点固定长度分块（Fixed-size）：实现简单但可能切断语义递归分块（Recursive）：按层级结构分割，保留上下文语义分块（Semantic）：基于语义相似度，切分更自然但计算成本高文档结构感知（Document-specific）：利用标题、段落等天然边界，适合结构化文档重叠窗口（Overlap）策略缓解边界信息丢失问题文本分块是RAG系统的关键预处理环节，直接影响检索质量和生成效果。常用策略可分为以下几类： 1. 固定长度分块（Fixed-size…

#百度#文本分块策略#RAG chunking

面试题·文档处理· 安克科技

RAG 文档怎么存储和向量化?

匹配题目：在RAG系统中，文档数据如何进行存储和向量化处理？请说明从原始文本到向量数据库的完整流程，包括分块、嵌入模型选择和索引结构设计。

#安克科技#评估与监控#RAG 文档向量化

面试题·RAG

RAG 完整流程分几步？

匹配正文：答案要点全流程五大步：文档解析 → 分块 → 向量化 → 检索 → 生成前三步是离线建库：把原始文档加工成可检索的知识库，提前做好后两步是在线问答：用户提问时实时执行，检索资料再生成答案分块是最容易被忽视却影响最大的一步：块太大噪声多，块太小语义被切断排查 RAG 效果差的问题，就按这条链路逐步定位是哪一环丢了分核心概念 RAG 流程是指把原始文档加工成可检索的知识库，并在用户提问时检索相关内容、交给大模型生成答案的完整链路，通常分为解析、分块、向量化、检索、生成…

#入门#基础概念#RAG流程

面试题·RAG· 百度

RAG 索引构建管线

匹配正文：RAG索引环节的优化核心在于**"怎么存"和"怎么找"**两个维度，常见策略如下：一、分块策略优化动态分块：按语义边界（句子、段落）而非固定长度切分，避免切断关键信息重叠窗口：把零重叠、短窗口与较长窗口作为候选，用同一评测集验证是否减少边界证据丢失多粒度索引：同时存储句子级（精）和段落级（全），检索时按需召回二、Embedding层优化模型选型：垂域数据用BGE、M3E等开源模型，必要时Domain-Specific微调多向量表示：ColBERT的late in…

#百度#RAG索引优化#RAG 索引构建管线

面试题·检索· 小鹏

RAG文本分段策略与重叠机制

匹配标题与标签：RAG文本分段策略与重叠机制文档处理阶段的分段策略、重叠技术与检索效果平衡检索小鹏文本分块优化 RAG 文本分段文档分段策略重叠处理技术 RAG 检索效果小鹏

#小鹏#文本分块优化#RAG 文本分段

项目实战·RAG

RAG 智能问答系统

匹配正文：…0.0.38 / TextSplitters0.0.2 / PyPDF4.3.1；按第3章环境步骤安装。它是章节复现实验环境，完整rag_project的手写检索链路按下文另一组依赖验证。本次另实跑9个公开零依赖下载脚本，以及兼容环境内的长/短/空PDF切分和固定条款分块；无模型下载或LLM/API调用。字符切分与token预算要分别测，不能把512字符写成512 token。继续安装完整链路依赖这套旧Chroma0.4.x依赖应注意numpy>=1.26,<2与pos…

#项目实战#RAG 智能问答系统

面经·求职· 通用岗位场景

RAG 项目面试会怎样连续追问？一场工程深挖教学复原

匹配正文：…用自己能够说明测法与证据的事实。学习背景经验：适合有后端基础、正在准备大模型应用开发岗位的读者项目背景：练习场景：企业文档 RAG；项目规模、指标与个人职责由读者按真实经历填写目标岗位：大模型应用工程师准备时间：按自己的准备进度使用关键考点文档分块(Chunking)策略与表格切分 Embedding 模型选型与领域微调 BM25 + 向量混合检索与 RRF 融合多轮对话 Query 改写与指代消解 Cross-Encoder Rerank 精排 RAG 幻觉…

#RAG#项目深挖#教学复原

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：…，页面清清楚楚，文字、表格和印章都看得见。系统也显示文件上传完成。可程序读取页面时，只拿到几个页码或一段水印，正文几乎为空。后面的分块、向量化和入库没有明显报错，用户提问时却一直搜不到材料里的答案。问题不在大模型，也不一定在向量库。真正的原因是这份 PDF 没有可用字符层，页面本质上是一张张图片。于是面试官会继续问：你怎么判断一页 PDF 需要 OCR？识别完成后为什么不能直接把文字塞进向量库？遇到模糊页、表格页和失败页又怎样降级？如果回答只有“调用 OCR 接口提取…

#RAG#解析与入库#扫描 PDF RAG

求职指南·求职

大模型技术栈全景:RAG / Agent / 微调 / 推理 / 评估各是什么、面试考多少、怎么学

匹配正文：…的人最后每个都停在 demo,面试哪个都讲不深;而面试是往深里追问的,深度比广度值钱。大模型这几个方向单独拉出来都能学很久:光 RAG 就有分块、embedding、检索、重排、查询理解、引用、评估一整条链;Agent 又有规划、工具、记忆、多步控制。你把七个方向平均分配时间,结果是每个都只摸到 API 调用那一层。面试官问"你 RAG 的召回率怎么评估、忠实度怎么保证、重排为什么选这个模型",你就答不下去了。反过来,选一条主线做深,你能在一个方向上讲清"我遇到什么问题、…

#求职#职业转型

求职指南·求职

领域八股速通:RAG / Agent / 评估 / 微调高频考点地图

匹配正文：…①面试官真正想验证什么 ②先看哪个教程/项目 ③代表题型 ④项目里怎么体现。题量取自站内各模块真实题数,反映这个方向面试考多密。 RAG 基础(62 题):验证你懂不懂检索链路的取舍 RAG 是应用岗第一主战场,面试官不是要你背定义,而是看你对"分块、embedding、检索、拼 prompt"这条链路的每一环有没有做过取舍。维度内容面试官在验证什么你是否理解 RAG 每一环为什么这么设计、召回和忠实度怎么保证,而不是只会调库先看哪个 RAG 教程:为什么需要 → …

#求职#职业转型

面试题·Agent· 高德

Agent记忆分层与RAG检索

匹配正文：…pt 包含当前任务状态、工具调用中间结果短期记忆（Short-term Memory）当前会话内的历史（数小时级）按对话轮次分块，维护时间索引和主题标签长期记忆（Long-term Memory）跨会话的持久化知识（天/周/月级）存储于向量数据库，支持语义检索多维度检索策略维度实现方式权重场景语义相似度对话Embedding + 向量检索（如HNSW）用户询问历史相关话题时间衰减指数衰减函数：score × e^(-λ·Δt) 近期记忆优先重要…

#高德#Agent#向量检索

面试题·文档处理· 字节

RAG 数据处理与索引流程?

匹配追问：…描件等。用户问的可能是合同条款或操作步骤。从原始文档到能检索的知识库，你觉得整个处理流程应该怎么设计？关键步骤有哪些？层层追问 RAG系统的知识库，文档进来后你会做哪些处理？……那分块怎么分？……分完块之后怎么向量化？……最后怎么建索引让检索又快又准？每个环节有什么坑？直球架构请完整描述RAG系统中从原始文档到可检索知识库的数据处理与索引流程，包括文档加载、清洗、分块、Embedding生成和向量索引构建，并说明各步骤的技术要点和对系统性能的影响。

#字节#文档处理#向量检索