匹配正文：…统把它们直接交给大模型，大模型很可能把几段相近内容整理成一套完整流程。文字顺，步骤也像那么回事，但关键规定并不在资料里。这就是 RAG 面试中很容易被低估的一道题：资料里没有答案时，RAG 怎么判断证据不够，并避免强行生成？很多人的第一反应是：“设置一个相似度阈值，低于阈值就拒答。” 这句话只答到了最外层。面试官很快会继续问：向量库几乎总能返回结果，相关和足够怎样区分？阈值应该怎么定，换模型后还能不能继续用？有答案却被拒绝，和没答案却强答，哪个更严重？检索分数过…

#RAG#生成与对话#RAG 无答案检测

面试题·知识图谱· 字节

医疗法律 RAG 合规追溯

匹配标题与标签：医疗法律 RAG 合规追溯医疗/法律 RAG 的合规、权限、证据追溯和拒答知识图谱字节医疗法律 RAG 合规追溯医疗和法律 RAG 怎么做安全合规与证据追溯垂直领域 RAG 医疗 RAG 系统法律 RAG 系统字节

#字节#医疗法律 RAG 合规追溯#医疗和法律 RAG 怎么做安全合规与证据追溯

项目实战·RAG

RAG 智能问答系统

匹配正文：…到公式、金额或适用条件时，只让模型凭参数记忆回答，无法证明答案来自哪份资料，也无法稳定处理更新后的规则。本项目用这个教学场景说明 RAG 的核心任务:先找到可核验的原文，再让模型基于证据作答，并在证据不足时明确拒答。这里不预设客户、文档规模或上线效果。继续读完整版 · 第 1 章为什么做 RAG → 技术架构:四大模块 + 两条链路教学实现拆成文档处理、检索、重排、生成四个模块，并区分离线建库与在线问答两条链路。向量库只是检索组件之一，实际还要验证解析质量、切分边界、关…

第 1 / 3 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

#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：…完整链路先把这部分当成模拟面试。不要背示例项目，先在纸上写下自己的资料类型、请求链路和负责范围。面试官：请用两分钟讲清楚你的 RAG 系统。一个合格回答至少要交代四件事：资料怎样解析和切分，问题怎样进入检索，候选怎样融合与重排，最终答案怎样引用原文或拒答。还要明确哪些部分由你完成，哪些来自框架、同事或已有平台。面试官：为什么使用现在的切分方法？固定长度有什么问题？不要直接回答某个固定 chunk size。先说明资料结构：普通段落、表格、列表、跨页内容分别会在哪里破…

#RAG#项目深挖#教学复原

求职指南·RAG

企业知识库 RAG 架构项目模拟面试

匹配正文：…怎么看?。 7. failure · failure 哪类查询在新方案里仍然失败，甚至比旧方案更差？你如何复现、归因并决定修复还是拒答？考察重点：确认候选人见过方案边界，并能完成证据驱动的失败复盘。可复现的输入、链路证据和错误输出根因验证与修复后的固定样本回归需要追加追问时：failure_case_missing → failure-proof。下一步：production。配套学习：RAG 查不到文档怎么降级?。 8. failure · failure-pr…

#模拟面试#简历项目#连续追问

求职指南·RAG

RAG 评测集与 bad case项目模拟面试

匹配正文：…metrics-proof。下一步：failure。配套学习：召回策略怎么选? Recall@k 怎么看?、多路召回评估指标与RAG场景。 6. metrics · metrics-proof 请给出评测集版本、样本来源占比、标注规范和评测器版本；若这些无法固定，就不能把两次报告直接当作提升。考察重点：二次核验缺失的指标证据；仍无法提供时，在复盘中标记为“只有知识，没有项目事实”。检索、忠实度、答案正确性、拒答与业务指标的判定规则冻结数据版本和评测器版本下的基线报告…

#模拟面试#简历项目#连续追问

项目实战·RAG

第 1 章:为什么做 RAG?

匹配正文：…依据的公式。这正是大模型最危险的地方之一:没有依据时,它仍可能生成流畅而笃定的答案。在事实问答里,这样的输出必须被检索、引用和拒答机制约束。这件事用一张图就能说清:直接问模型是"闭卷考试",上了 RAG 是"开卷考试"。闭卷 vs 开卷 3 个核心概念(先白话,再术语) 概念 1:什么是"幻觉"? 幻觉(hallucination),就是模型不知道答案时,不说"我不知道",而是一本正经地编一个。它不是故意撒谎,而是大模型的工作方式决定的,它本质是在"预测下一个最像样…

#RAG#检索#项目实战

项目实战·RAG

第 2 章:RAG 整体架构

匹配正文：…再逐块讲透每个模块为什么这么设计(Part 2)。 3 个核心概念(先白话,再术语) 概念 1:两条链路,离线建库 + 在线问答 RAG 系统拆开看,就是两条流水线。打个餐厅的比方: 离线建库,像后厨提前备菜、把半成品放进冰箱:把文档解析、切分、转成向量、建好索引,存成一个"能快速查"的知识库。这条链路通常在首次建库和文档新增、更新、删除时运行,可采用全量或增量方式。在线问答,像客人点单后现炒一盘:用户提问后,按需执行检索、重排、拼上下文和生成;缓存命中、路由或拒答策略可能…

#RAG#检索#项目实战

面试题·RAG

RAG 评测集怎么构建？问题、答案和证据必须怎么标？

匹配正文：很多 RAG 项目在优化时都会经历同一个阶段。换了 Chunk 参数，随手问几个问题，感觉回答顺了一点。加了 Rerank，再问几个熟悉的问题，正确原文似乎排得更靠前。于是大家得出结论：“这次优化有效。” 可是一周以后，另一类问题又答错了。团队想复现之前的结果，却发现当时问了什么、正确证据在哪里、改了哪些参数，都没有完整记录。没有固定评测集，RAG 优化的效果就很难复核，容易停留在演示层面。这就是面试里经常被追问的一道题： RAG 评测集应该怎么构建？为什么只准备问题和…

#RAG#评测与上线#RAG 评测集

面试题·RAG

一个可上线的 RAG 系统怎么拆？离线入库、在线问答和监控如何闭环？

匹配正文：…果正确证据根本没找到，bad case 进入解析或检索回归集。如果证据已经在前面，模型仍然错答，则进入生成和引用回归集。可上线 RAG 的监控与反馈闭环线上 Trace 负责定位，bad case 回归负责防止复发，评测集再验证下一次改动是否真的有效。这才叫闭环。监控不是只画一张资源仪表盘，而是让线上错误能够回到可执行测试。怎么验收一个“可上线”版本？功能验收覆盖文档上传、解析、版本发布、检索、拒答、引用和多轮问答。故障验收主动注入解析失败、部分写入、检索超时、R…

#RAG#评测与上线#RAG 系统设计

项目实战·RAG

附录:把这个 RAG 项目写进简历 & 面试应答

匹配正文：📊 学习时长:45-60 分钟 🎯 完成后能力:能把本书学的 RAG 项目,写成一段经得起追问的简历经历,并答得上每个模块的高频面试追问 🔗 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 ✓ 跟着做:把一句空泛的"做过 RAG"改写成有深度、能打的简历 bullet ✓ 看懂项目经历的四要素(背景 / 架构 / 个人贡献 / 方法论) ✓ 掌握写简历的万能公式:动词 + 技术方案 + 量化指标 ✓ 学会五条事实核验原则,只写自己真正做…

#RAG#检索#项目实战

面试题·评估· 美团

RAG 指标权衡与阈值

匹配正文：RAG评估的核心维度一、检索质量指标指标意义实践考量 Recall@K 相关文档是否被召回知识库场景优先保召回，客服场景可适当降低 MRR/NDCG 排序质量，高相关文档是否靠前影响LLM输入质量，但计算成本高上下文相关性召回内容与query的语义匹配度需过滤噪声，避免无关信息干扰生成二、生成质量指标指标意义实践考量答案相关性回答是否切题，有无答非所问最基础指标，但无法检测幻觉事实一致性生成内容是否与检索文档一致最关键指标，需用NLI模型…

#美团#评估与监控#RAG 指标权衡与阈值

面试题·评估· 字节

RAG 三大瓶颈与迭代策略

匹配口述回答：…案相关度、用户反馈，形成闭环。如果只让我挑一个指标，我会看用户是否点击了“有帮助”，这比任何离线指标都真实。所以整体上，我更倾向把RAG当成一个持续调优的系统，而不是一锤子买卖。一句话定位：RAG瓶颈本质是检索、生成、效率三环的协同，不是单点优化检索精度：混合检索+查询改写+重排，但要注意重排的延迟成本生成质量：上下文压缩+多路召回+答案溯源，拒答机制是安全底线系统效率：索引分层+缓存+异步流水线，量化加速是吞吐利器迭代路径：先召回率再精确率最后效率，用监控闭环驱动…

#字节#评估与监控#RAG 性能瓶颈

面试题·评估· 字节

医疗法律RAG：评估陷阱

匹配正文：…过速" 三、生成模型层（领域适配）基座选择：专业领域优先选已预训练模型（如Huatuo、LawGPT），或通用模型+领域SFT 检索增强生成：检索结果作为上下文注入Prompt 引用溯源：强制模型输出参考来源编号，支持可解释性安全机制：添加拒答策略（超纲问题、无可靠来源时），医疗场景必须设置"请咨询专业医师"风险提示四、评估机制（多维指标）维度指标方法检索质量 Recall@K、MRR 人工标注黄金文档集生成质量事实准确性（FactScore）、幻觉率领…

#字节#专业领域 RAG#RAG 系统设计

面试题·评估· 淘天

RAG 评估：检索、生成与端到端指标

匹配正文：…E、Faithfulness 了解端到端评估框架RAGAS的核心指标理解人工评估与自动评估的权衡知道业务场景下的实用评估策略 RAG评估要分检索层和生成层两个维度，最后才是端到端评估。一、检索质量评估经典指标 Recall@K：Top-K中相关文档数 / 已标注相关文档总数，通常先逐query计算再汇总；分母不是K。必须说明文档/片段粒度及相关性标注覆盖。 MRR（平均倒数排名）：对每个query取第一个相关结果排名的倒数，再求均值；没有命中记0，并说明截断K。 Hi…

#淘天#评估与监控#RAG 线上效果评估

面试题·评估· OPPO

意图识别在 RAG 中怎么用?

匹配正文：… 识别多跳/复杂意图以触发Agent能力过滤无关查询降低幻觉风险为生成阶段提供结构化上下文指导意图识别的核心作用意图识别是RAG系统的"路由中枢"，解决**"用户到底想要什么"**的问题，直接决定后续检索和生成策略。一、提升检索准确性场景意图识别的作用检索方式选择事实类→关键词/稀疏检索；语义类→向量检索；模糊需求→混合检索查询改写识别省略实体（如"这个产品的价格"→补全具体产品名）多跳拆解 "A和B哪个更好"→拆分为两个子查询分别检索时效判断识别…

#OPPO#RAG 意图识别#RAG

面试题·评估· 安克科技

RAG 问答金标构建

匹配正文：… 70% LLM生成 + 20% 真实日志 + 10% 人工设计对抗样本答案标注流程 Step 1: 候选答案生成使用多个不同RAG系统并行生成答案保留答案分布的多样性 Step 2: 多轮人工校验第一轮：标注员独立标注（3人）第二轮：分歧案例仲裁（专家介入）第三轮：溯源检查（答案是否能在文档中找到依据） Step 3: 置信度打分高置信：3人一致且可溯源中置信：2人一致或需推理低置信：存疑，不入测试集真实性验证手段方法实现方式自动溯源强制模型输出…

#安克科技#评估与监控#RAG 问答金标构建

面试题·模型微调· AIlab

RAG 检索精度提升的三大陷阱

匹配口述回答：我会先把 RAG 的错误拆成一条漏斗，再决定优化哪一层。检索侧先确认知识库里有没有答案，解析、分块和权限过滤有没有把证据丢掉，再看正确文档是否进入 Top-K。候选里没有答案时，应该修语料覆盖、分块或召回；候选里有答案但排得靠后，才值得比较 BM25、向量召回、RRF 和 Cross-Encoder 重排。查询改写也要测语义是否漂移，不能只看召回数量变多。生成侧关注模型拿到的到底是什么证据。我会做去重和冲突检测，控制上下文预算与顺序，在 Prompt 里约束引用格式和证据不…

#AIlab#检索器优化#RAG 优化

面试题·模型微调· 美团

RAG 解决了哪些核心问题?

匹配正文：…型。系统仍要做好文档级授权、租户隔离和引用回查，避免检索到用户无权访问的内容。 3. 幻觉与可追溯性检索证据、引用和“资料不足时拒答”可以降低部分无依据生成，但前提是证据正确、完整且生成器忠实使用。错误召回、冲突文档或过期索引也可能让答案更差，因此需要分别评估证据召回、忠实度和答案正确性。与 SFT 的边界 RAG 更适合注入经常变化的事实与可引用资料。 SFT 更适合学习格式、风格、任务行为或基座已有能力的调用方式，但不能可靠存储频繁变化的精确事实。二者可以组合，选型…

#美团#知识增强#RAG 核心问题

面试题·多模态· 哔哩哔哩

RAG意图识别原理与检索协同

匹配正文：作用意图识别是可选的路由层，用于决定是否检索、访问哪个知识域、应用哪些元数据过滤、是否改写查询，以及选择问答、摘要、操作或拒答流程。简单单库 RAG 可以不单设该模块；多租户、多工具或多索引系统中，它能减少无关检索并执行路由策略。实现方式规则与结构化信号：关键词、实体、会话状态、产品入口，延迟低且可解释；监督分类器：BERT 等编码器输出意图与置信度，适合稳定且有标注的类别体系； LLM 结构化路由：用 schema 约束输出 intent、index、filters…

#b站#意图识别与检索路由#RAG 意图识别

面试题·Prompt· 字节

RAG Generator 怎么构造 Prompt?

匹配正文：…测试集，比较基础拼接、去重、不同排序、证据边界、引用约束和冲突处理。报告答案正确性、引用支持率、faithfulness、覆盖率、拒答率、token 和延迟，并按长上下文、冲突证据和无答案问题切片。任何效果必须来自该受控实验，不能用无来源的百分比代替。

#字节#Prompt工程#RAG Generator Prompt

面试题·RAG· 字节

垂直领域 RAG 完整架构

匹配正文：…号]，便于溯源生成后处理：幻觉检测：检索内容与生成的N-gram重叠度校验置信度分级：高置信直接回答/中置信建议复核/低置信拒答五、安全合规体系维度机制权限隔离 RBAC：实习医生/主治/主任可见范围分级内容安全诊断建议必须含"仅供参考，请遵医嘱" 审计追踪查询-检索片段-生成结果全链路ID绑定人工兜底复杂case自动转人工复核队列六、协同机制示例（医疗问诊）用户症状描述 → 实体识别（症状/病史）→ 图谱召回相似病例 ↓ 生成初步分析 ← 指南条…

#字节#垂直领域RAG#垂直领域 RAG 完整架构

面试题·RAG· 字节

RAG 怎么提升生成质量?

匹配正文：RAG核心定义 RAG（Retrieval-Augmented Generation）= 检索 + 生成。不是让模型硬背知识，而是按需检索外部知识库，把相关文档塞进Prompt，让模型基于"开卷考试"作答。标准流程（三阶段）阶段关键动作技术要点索引文档切分→Embedding→入库分块策略（按语义/固定长度）、向量化模型选型检索 Query向量化→相似度搜索→TopK召回向量数据库（Milvus/Faiss）、多路召回（向量+关键词）生成拼接Prompt…

#字节#大模型幻觉#RAG 原理

面试题·RAG· 字节

医疗法律RAG架构怎么搭？

匹配正文：…于以下参考资料回答： [检索片段，带来源标注] 约束：1) 不确定时明确说明 2) 引用具体条款/文献 3) 禁止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…

#字节#专业领域RAG#RAG 系统设计