匹配正文：…顺序输出。只要文件被成功转换，只能说明这条程序链路走完了。它不能证明输出顺序符合人的阅读方式，也不能证明每个结构都被正确保留。 RAG 对结果还有额外要求。第一，内容必须能被正确切分。标题要和所属正文建立关系，表头不能与数据行分离，列表前导句不能丢失。第二，内容必须能被稳定索引。同一页重复出现两个文本块，向量库里就可能产生两份近重复证据。字段顺序或名称每次变化，也会影响稳定 ID 和增量更新。第三，内容必须能够追溯。模型回答以后，用户应该能回到原文件、页码和具体区域核…

#RAG#解析与入库#MinerU RAG

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：…数字对不上具体 ID，报表再漂亮也无法帮助恢复。每次补跑后重新计算集合差异，确认没有既标记失败又已经生效的矛盾记录。知识库幂等与增量更新验收清单同时检查身份、版本、失败恢复和检索结果，才能证明系统既不重复，也没有漏写或混用旧内容。幂等追问怎么接：别把“查重”当成答案回答每个追问时，都要区分内容是否重复、版本是否切换成功，以及任务重跑后最终集合是否一致。稳定 ID 为什么不能只用文件名？因为文件名不是内容，也不是稳定身份。它可以在内容不变时被修改，也可以在内容变化时…

#RAG#切分与索引#RAG 增量入库

面试题·Agent· 高德

Agent记忆分层与RAG检索

匹配正文：…LLM提取结构化记忆（实体-关系-摘要）→ 语义去重 → 分级存储关键策略摘要压缩：每N轮对话由LLM生成摘要，替代原始文本增量更新：相同实体的新信息合并更新，保留时间戳链主动遗忘：低频访问+低重要性记忆进入"冷存储"，可配置彻底删除 RAG深度集成：上下文压缩检索后处理重排序（Rerank）：Cross-Encoder精排Top-K结果信息密度筛选：优先选包含实体、动作、结论的片段动态窗口分配：工作记忆固定槽位 + RAG结果弹性槽位 Prompt注入模板 …

#高德#Agent#向量检索

面试题·Agent· 淘天

传统 RAG 有哪些痛点?

匹配正文：…Knowledge Staleness）问题本质：向量库构建周期长，无法感知实时变化。电商案例：大促期间价格/库存秒级变动，但RAG仍返回昨日缓存的"满199减30"活动信息。用户下单时发现优惠失效，体验极差。关键影响：实时性业务场景下直接不可用。优化方向简述痛点典型解法检索噪声重排序（Rerank）、多路召回融合、查询改写上下文冗余上下文压缩、语义去重、摘要增强知识更新延迟实时索引管道、增量更新、结合API动态查询这些痛点正是Agentic RAG…

#淘天#Agent#RAG 痛点

面试题·文档处理· 字节

RAG 向量索引构建流程详解

匹配正文：…oder或ColBERT等方案重排；ColBERT是token多向量late interaction，不等同普通单向量稠密精排。增量更新：避免全量重建，用HNSW的动态插入或定期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，…

#字节#文档处理#RAG 数据处理流程

面试题·文档处理· 字节

RAG 数据处理与索引流程?

匹配正文：…stamp，支持过滤查询性能影响：索引参数（efConstruction/M）直接决定召回率vs查询延迟的权衡系统级优化建议增量更新：避免全量重建，设计版本化索引切换机制多路召回：向量+关键词+结构化数据融合，索引层预构建倒排表监控闭环：记录"检索未命中→人工补充"的bad case，回流优化分块策略学习建议建议先掌握文本预处理、分块策略和向量索引原理，结合LangChain等框架动手实践典型流程，理解每步对检索质量的影响。

#字节#文档处理#向量检索

面试题·文档处理· 美团

RAG知识库构建流程详解

匹配口述回答：…确的边界和取舍。预处理决定下限，分块和Embedding决定上限，向量数据库和索引决定性能。没有银弹，只有针对场景做对权衡。定位RAG本质：检索增强不是万能药，重点在知识库质量和检索精度文档预处理：格式解析和清洗的坑，尤其OCR和表格分块策略：固定长度加重叠窗口是基础，语义分块成本高但必要 Embedding与向量数据库选型：通用和垂直场景的取舍，HNSW和IVF的权衡落地风险：元数据过滤和增量更新的常见失败场景约4分钟多向量表示：文档存摘要向量和内容向量，先粗筛…

#美团#RAG 知识库构建#文档预处理

面试题·文档处理· 蔚来

RAG分块策略：粒度、重叠与写入

匹配正文：…压测，不能照搬固定值元数据携带原始文档ID和chunk位置，方便召回后重排序、去重或拼接上下文对高频更新场景，设计版本、幂等与增量更新机制，避免新旧chunk同时被召回面试回答落点先说明业务问题和文档结构，再给出候选切法、评测集与指标，最后说清最终选择的收益和代价。没有真实实验时，应明确说这是待验证方案，而不是把经验数字说成结论。

#蔚来#文档处理#RAG文本分块

面试题·文档处理· 安克科技

RAG 文档怎么存储和向量化?

匹配正文：…rce、title等，支持过滤查询和结果溯源。 5. 入库与更新机制批量写入：避免逐条插入，控制batch_size防内存溢出增量更新：文档版本变更时，按doc_id删除旧块再插入新块混合存储：向量库（Milvus/Pinecone）+ 关系库（PostgreSQL）各存其责

#安克科技#评估与监控#RAG 文档向量化

面试题·模型微调· 美团

RAG检索偏差怎么缓解?

匹配正文：…ing空间不对齐（语义相近但向量距离远）；② 检索结果被历史文档主导（索引偏置）；③ 相关性打分失效。技术策略 1. 动态索引与增量更新新文档单独建索引，检索时多路召回（历史索引+增量索引），结果融合排序美团外卖场景：新商家/新菜品实时入增量索引，避免全量重建延迟 2. 查询重写与扩展用LLM将用户query改写为多个视角（时间敏感型、通用型），分别检索后聚合例："附近好吃的" → 扩展为"2024新店推荐"+"高评分老店" 3. 自适应向量微调收集新文档的点击/…

#美团#模型微调#RAG检索偏差

面试题·知识图谱· 淘天

GraphRAG 增量更新怎么保实时?

匹配正文：答案要点区分增量更新场景（新增文档 vs 文档修改/删除）说明GraphRAG的双层索引结构（社区摘要+原始文本）各自的更新策略提及一致性保障机制（版本控制、事务隔离）说明如何平衡实时性与计算成本（分层更新、异步处理）提到准确性验证手段（影响范围分析、回滚机制） GraphRAG的增量更新需要处理双层索引（社区摘要层 + 原始文本层），比标准RAG复杂得多。核心策略分场景讨论：一、新增文档场景文本层：直接写入向量库，提取新实体关系并入图图结构层：判断新实体/边…

#淘天#GraphRAG 增量更新#知识图谱实时性

面试题·知识图谱· 淘天

GraphRAG 增量更新策略与挑战？

匹配正文：增量更新策略三层级维护机制层级更新内容实现方式节点层新实体插入、属性更新图数据库事务写入（Neo4j/Neptune）关系层边增删、权重调整增量图算法（如增量PageRank）索引层向量索引、社区摘要更新局部索引重建 + 全局摘要增量计算两种模式选择增量模式：新文档→提取子图→对齐已有图谱→局部索引更新（延迟分钟级，适合高频更新）全量重建：周期性（如每日）重新构建全局社区摘要，保证图结构质量关键工程技巧双缓冲机制：读写分离，更新时写入新副本…

#淘天#GraphRAG 增量更新#知识图谱动态维护

面试题·多模态· 字节

截图界面怎么用 RAG 解析?

匹配正文：…问题方案延迟高预计算热门界面的解析结果；检索用HNSW近似；生成用蒸馏小模型 UI频繁变更建立组件指纹（布局哈希），变更时增量更新索引冷启动先用通用UI知识库（Android/iOS设计规范），再逐步积累业务数据复杂交互理解引入时序：支持多张截图（点击前/后）判断状态变化学习建议掌握OCR、视觉理解模型（如CLIP）、RAG基础流程及向量数据库使用，结合实际案例动手搭建小型多模态系统，理解模块间协作逻辑。

#字节#多模态#多模态 RAG

面试题·RAG· 字节

医疗法律RAG架构怎么搭？

匹配正文：…编造安全机制拒答策略：超范围问题（如具体诊疗建议）转人工引用溯源：输出必须关联检索片段ID 知识更新机制场景方案示例增量更新新文档向量化入库新发布诊疗指南失效标记版本标签 + 生效时间字段法律修订/药品退市全量重建季度离线重建索引 Embedding模型升级实时修正运营后台人工标注用户反馈纠错关键：建立知识版本表，记录每条的生效/失效时间，检索时过滤。领域特殊考量医疗：多模态支持（影像报告+文本），严格遵循循证等级法律：地域适配（不同…

#字节#专业领域RAG#RAG 系统设计

面试题·RAG· 字节

医疗 RAG 索引如何保合规?

匹配正文：…层级不同）审计闭环：用户查询→检索片段→生成结果全链路日志留存边界提示：明确标注"辅助参考，不构成专业建议" 效率优化要点增量更新：仅重索引变更章节，避免全量重建缓存策略：高频查询预计算热点片段检索增强：HyDE（假设文档嵌入）+ RRF融合排序学习建议建议系统学习该知识点

#字节#医疗RAG合规#RAG 数据处理流程

面试题·检索· 高德

RAG增强与生成如何衔接？

匹配正文：…解析、分块、向量化）检索阶段的双路召回策略（向量+关键词）重排序优化上下文拼接与提示模板设计生成阶段的引用溯源与幻觉控制 RAG完整工作流程一、离线知识库构建（预处理）文档解析：处理PDF/Word/网页等多格式，提取结构化文本知识分块（Chunking）：按语义/固定长度/递归分割，通常512-1024 token，块间保留重叠防止断句向量化：用Embedding模型（如BGE、M3E）将文本转为稠密向量索引存储：写入向量数据库（Milvus/Faiss/…

#高德#RAG#RAG 工作流程

面试题·检索· 字节

RAG 技术实现怎么落地?

匹配正文：… 研报/法律分析长文档摘要+精准定位原文，处理超出上下文长度的材料核心优势 vs 局限优势知识实时更新：不用重新训练模型，增量更新知识库即可可解释性强：答案有来源引用，便于人工审核成本可控：相比全量微调，RAG实施门槛低局限检索质量决定上限（"Garbage in, garbage out"）多跳推理、跨文档关联能力弱上下文窗口限制，过多检索结果会稀释注意力演进方向 Advanced RAG：查询重写、HyDE（假设文档嵌入）、递归检索 Modular …

#字节#RAG应用场景#RAG 技术实现

面试题·文档处理· 京东

RAG 分块策略选型

匹配口述回答：这道题其实问的是，在[[RAG]]系统里，怎么把文档切成小块，既能保证检索的时候命中率高，又不让大模型拿到碎片信息瞎编。说白了就是精度和完整性的一个取舍。先说最直接的方法，固定长度[[分块]]。按token或者字符数一刀切，实现简单，上线快。但问题很明显，可能一句话被拦腰切断，语义就断了。所以它适合ToC场景，比如商品搜索，用户只想要个价格或参数，上下文不完整问题不大。反过来，语义分块是用[[Embedding]]相似度检测主题边界，块内语义完整。但计算成本高，而且依赖e…

#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·评估· 淘天

RAG编码模型评估指标与对比

匹配口述回答：…真不知道，那它就可能会瞎编，也就是 [[Hallucination]]。所以召回完整性是第一位的。MRR和NDCG这些排序指标，在RAG里优先级可以放低一点。这里有个常见的失败场景，就是知识库频繁更新。比如企业客服的退款政策经常变，如果向量索引不支持增量更新，每次全量重建不仅耗时耗资源，还会造成服务中断。我的做法是维护一个base索引和一个delta索引，新文档直接插到delta里，查询时合并结果，然后定时异步把delta合并到base。如果文档删除或修改，我不用原地操作，…

#淘天#DPR 与 Contriever#RAG 编码模型评估

面试题·评估· 字节

医疗法律RAG：评估陷阱

匹配口述回答：…引共存，线上查询先走新索引，如果召回率不足再回退到旧索引，同时后台异步重建。但这里有个坑，如果更新太频繁，重建压力会很大，需要设计增量更新机制。所以整体上，我更愿意把领域RAG助手看作一个知识可信的工程系统，而不是单纯堆模型。从数据切分到检索融合，再到生成约束和评估闭环，每一步都要为可解释和低容错服务。一句话定位：领域RAG本质是知识可信与可解释数据处理：语义分块与知识图谱补充检索系统：混合召回与查询改写生成模型：引用溯源与安全拒答评估与持续优化：专家闭环与Bad…

#字节#专业领域 RAG#RAG 系统设计

面试题·评估· 京东

RAG向量数据库选型关键指标

匹配题目：在构建基于大模型的检索增强系统时，如何评估和选择合适的向量数据库？请从性能、可扩展性、支持的索引类型、查询延迟、与现有技术栈的集成等方面进行详细说明。

#京东#评估与监控#向量数据库选型