匹配正文：…局限:效果强依赖检索质量(切分不当/纯向量检索对 ID 类文本失效),链路长、延迟与成本上升与微调的边界:微调学「格式与风格」,RAG 注「事实与时效」,生产中常两者结合工作原理 RAG 的本质是把「模型参数里的知识」和「外部知识库」解耦。索引侧:把文档切成语义完整的块(避免固定长度一刀切把条款劈成两半,优先按标题/段落等结构边界切分),做 Embedding 后存入向量数据库。检索侧:纯向量检索对订单号、错误码等专有名词效果差(语义相近但字面不同),生产上采用混合检索(…

#美团#评估与监控#RAG 工作原理

面试题·模型微调· 字节

RAG 工作原理与架构怎么搭?

匹配正文：答案要点 RAG核心流程：索引-检索-生成三阶段向量检索与语义匹配原理关键优化技术（分块策略、重排序、混合检索） RAG vs 微调的选择场景实际落地中的挑战与解决方案一、RAG核心工作原理 RAG = 检索（Retrieval）+ 生成（Generation），解决大模型知识时效性和幻觉问题。三阶段流程：索引阶段：文档切分 → Embedding编码 → 向量数据库入库检索阶段：用户Query向量化 → 相似度搜索 → Top-K召回生成阶段：Query +…

#字节#RAG 系统架构#RAG 工作原理

面试题·检索· 百度

RAG 工作原理与核心组件

匹配题目：请详细解释检索增强生成（RAG）技术的工作原理和核心组件

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

#百度#RAG核心组件#RAG 工作原理

面试题·评估· 淘天

RAG编码模型评估指标与对比

匹配题目：请介绍检索增强生成（RAG）的整体流程；阐述你对编码模型（如DPR、Contriever）的理解，包括其工作原理、优缺点；并说明如何评估编码模型的检索能力。

#淘天#DPR 与 Contriever#RAG 编码模型评估

面试题·模型微调· 商汤科技

RAG 技术流程怎么跑?

匹配题目：请详细描述检索增强生成（RAG）的技术流程和工作原理。

#商汤科技#检索生成流程#RAG 技术流程

面试题·RAG

RAG 完整流程分几步？

匹配标题与标签：RAG 完整流程分几步？解析、分块、向量化、检索、生成，五步讲透全链路 RAG 入门基础概念 RAG流程 RAG工作原理文档分块向量化检索

#入门#基础概念#RAG流程

面试题·知识图谱· 淘天

GraphRAG 工作原理是什么?

匹配题目：请详细介绍一下GraphRAG的工作原理、核心思想以及与传统RAG的区别

#淘天#知识图谱#GraphRAG 原理

面试题·RAG· 字节

RAG 怎么提升事实准确性?

匹配正文：RAG核心概念 RAG（Retrieval-Augmented Generation）是一种将外部知识检索与大模型生成相结合的技术范式。核心动机：大模型参数知识存在截止时间和幻觉风险，RAG通过实时检索"开卷考试"。工作原理：三阶段流程阶段动作关键组件索引（Indexing）文档切分→Embedding→入库向量化模型（如BGE、text-embedding-3）检索（Retrieval）用户Query向量化→相似度搜索→Top-K召回向量数据库（Mil…

#字节#RAG工作原理#RAG 工作原理

项目实战·RAG

第 1 章:为什么做 RAG?

匹配正文：📊 学习时长:30-40 分钟 🎯 完成后能力:能用一段零依赖代码演示 RAG 的核心机制,并讲清为什么解析、切分、检索与评估同样关键 🔗 关联面试题:5 道(覆盖 5 个不同角度,见 Part 3) 这一章你会学到什么 ✓ 零基础也能跟着做:用 20 行不依赖任何库的代码,亲手演示一遍 RAG 的核心机制 ✓ 看懂 3 个核心概念:什么是幻觉、什么是 RAG、什么是"上下文" ✓ 建立 RAG 的"两条链路"心智模型(这张图决定了本书后面 9 章的顺序) ✓ 学会判断…

#RAG#检索#项目实战

面试题·检索· 美团

混合检索怎么提升 RAG 召回?

匹配题目：…检索（Hybrid Retrieval）的设计动机，系统阐述Sparse检索（如BM25）与Dense检索（如DPR、向量检索）的工作原理，比较它们在相似度度量方法（如词项匹配得分、点积、余弦相似度）上的差异，并说明为何混合检索能提升RAG系统的召回效果。

#美团#混合检索#混合检索 Hybrid Retrieval

面试题·评估· 美团

RAG 缓解幻觉的机制

匹配追问：场景切入假设你在做一个医疗问答系统，用户问‘这个药怎么吃’，模型直接编了个剂量出来，这你敢用吗？怎么用RAG从最新的药品说明书里检索来保证答案准确？层层追问大模型生成答案有时候会胡说八道，你觉得根本原因是什么？……那如果给它加上外部知识检索呢？……具体怎么把检索结果用起来？……还有延迟和冲突问题怎么权衡？直球架构给我讲一下RAG架构的工作原理，重点说它怎么通过外部知识来缓解幻觉，以及在实际落地中你关注哪些设计点、会踩什么坑。

#美团#事实锚定#RAG 缓解幻觉的机制

面试题·Agent· 百度

Agent 组件如何协同完成复杂任务?

匹配正文：…，这才是"智能"所在。学习建议建议从经典Agent架构（如ReAct、Reflexion）入手，理解感知-思考-行动循环，结合RAG与工具调用案例加深对模块协作的理解。

#百度#Agent#Agent 工作原理

面试题·Agent· 百度

Agent 核心模块怎么协同?

匹配正文：…rompt工程的本质。学习建议建议从经典Agent架构（如ReAct、Reflexion）入手，理解感知-思考-行动循环，结合RAG与工具调用案例加深对模块协作的理解。

#百度#Agent#Agent 工作原理

面试题·Agent· 百度

Agent 核心机制怎么工作?

匹配口述回答：面试官你好，这道题问的是大模型[[智能体]]的工作原理，我觉得本质上它是在问：怎么让大模型从一个只会回答问题的聊天机器，变成一个能自主执行任务的智能体。这不是简单的套壳，而是一整套架构设计。我理解Agent的核心就是感知-思考-行动的循环。模型拿到环境输入后，先思考，再决定行动，然后观察反馈，再思考下一步。这个循环里最关键的范式是 [[ReAct]]，它把推理和行动交织在一起。传统[[CoT]]模型只推理不行动，信息是封闭的；ReAct每一步都输出思考，然后决定是调用工具还…

#百度#Agent#Agent 工作原理

面试题·Prompt· 百度

Agent 核心组件怎么协作?

匹配正文：…lling/Tool Use）区分短期记忆（上下文）与长期记忆（向量存储）能举例说明各模块如何协作完成复杂任务 Agent核心工作原理 Agent = 大模型 + 规划能力 + 工具使用 + 记忆机制，形成"感知→规划→行动→记忆"的闭环。三大核心组件 1. 规划模块（Planning）作用：将复杂任务拆解为可执行的子步骤典型方案： CoT（思维链）：单线推理，适合简单任务 ReAct：推理(Reasoning)与行动(Acting)交错，"我想→我做→我观察"循环…

#百度#Agent#Agent 核心组件

面试题·RAG· 小红书

生成式推荐的序列原理

匹配正文：…重新建模为序列生成问题：把用户历史行为、上下文信息编码为Prompt，让模型自回归生成下一个物品的ID或属性，而非传统打分排序。工作原理核心流程：统一Token空间：将用户ID、物品ID、行为类型、时间等离散化为统一词汇表序列化输入：[BOS] 用户u [SEP] 点击i1 [SEP] 收藏i2 [SEP] 时间t [SEP] → 生成i3 自回归生成：模型学习行为序列的联合分布 P(i₃|u, i₁, i₂, t...) 典型方案： GPT4Rec/TIGER：直接…

#小红书#Item Tokenization#生成式推荐的序列原理

面试题·检索· 小红书

BM25 vs 向量检索 vs 混合检索怎么选?

匹配题目：在检索增强生成（RAG）系统中，常用的检索方法包括BM25、向量检索和混合检索等。请详细说明这些方法的工作原理，比较它们在准确性、召回率、语义理解能力、计算开销等方面的优缺点，并结合实际应用场景（如开放域问答、电商搜索、推荐系统）分析各自的适用条件。

#小红书#检索方法对比#BM25 向量检索混合检索

面试题·Agent· 字节

Agent 技术演进与挑战?

匹配正文：…拥有丰富的产品矩阵（飞书、抖音、剪映），Agent可以打通内部数据孤岛，形成差异化竞争力。学习建议建议掌握Agent基本架构与工作原理，关注LLM+RAG+Agent的协同模式，多阅读行业案例和技术白皮书，培养系统性思维。

#字节#Agent#Agent 发展趋势

面试题·Agent· 百度

Agent 核心组件架构

匹配正文：… 能清晰拆解Agent的四大核心组件（规划、记忆、工具、行动）理解各组件的交互关系和数据流向能结合具体范式（如ReAct）说明工作原理提到多Agent协作或反思机制等进阶设计 AI Agent的核心架构可拆解为四大组件，形成"感知-规划-执行-记忆"的闭环： 1. 规划模块（Planning）功能：将复杂任务拆解为可执行的子步骤原理：基于LLM的推理能力，常用ReAct（Reasoning + Acting）范式，交替进行"思考→行动→观察" 进阶：多步规划、反思修…

#百度#Agent 核心组件架构#Agent 系统架构怎么搭？规划、记忆、工具与行动

面试题·Agent· 美团

DeepResearch Agent 怎么工作?

匹配追问：…，它不能只搜一次就回答，而是要像研究员一样多轮搜索、验证、整合。你觉得这个系统应该怎么设计？核心流程是什么样的？层层追问你了解RAG对吧？……那如果需求升级，不是用户问一句你答一句，而是Agent自己决定搜什么、怎么搜、搜完还得写一份完整报告，这比普通RAG多了哪些步骤？……它的循环结构大概是什么样的？每一步的输入输出是什么？直球架构请解释DeepResearch这种深度研究Agent的工作原理和技术架构。它的核心循环是什么？怎么拆解问题、搜索、阅读、反思、整合？跟传…

#美团#Agent#DeepResearch Agent

面试题·评估· 字节

Agent 系统优缺点怎么分析?

匹配正文：…为工具之一，或 RAG 结果注入 Agent 上下文典型架构：用户 query → Agent 规划 → 判断需检索 → 调用 RAG 工具 → 基于检索结果继续规划 → 执行最终动作四、工程落地要点容错设计：工具调用失败重试、降级到预设流程人机协同：关键节点设置确认机制（HITL）成本管控：小模型做意图识别/简单规划，大模型仅处理复杂分支监控体系：追踪每一步的输入输出、耗时、Token 消耗学习建议建议从任务分解、工具调用、记忆机制等角度理解Agent工作原…

#字节#Agent#Agent 系统优缺点

面试题·检索· 美团

混合检索为什么用 Sparse+Dense?

匹配正文：…词，但无法理解同义词、语义变体 Dense检索：擅长语义理解，但对罕见词、专有名词容易失配混合检索=精确性+语义泛化能力，是生产RAG系统的标配。 Sparse检索（稀疏检索）原理：基于倒排索引的词频统计方法，典型代表BM25 BM25(q,d) = Σ IDF(q_i) · [f(q_i,d)·(k1+1)] / [f(q_i,d) + k1·(1-b+b·|d|/avgdl)] 只关注查询词是否出现在文档中，向量极度稀疏（维度=词表大小）相似度度量：BM25 sco…

#美团#Hybrid Retrieval#混合检索