匹配正文：RAG 回答错了，最常见的第一反应是什么？改 Prompt，换大模型，或者把 Top-K 调大。这三个动作都可能有用，但它们不应该成为排查起点。因为最终答案只是链路最后一层。错误可能早在文档解析时就发生，也可能是 Query 被改写带偏、过滤条件挡掉了正确文档、向量召回没找到、融合时被压下去，或者 Rerank 把正确证据排到了后面。如果连正确证据在哪一层消失都不知道，改参数更像碰运气。排查前，为什么先要有“正确证据”？如果只知道“答案错了”，排查没有参照物。系…

#RAG#生成与对话#RAG 检索优化

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：…需要复核。后面发现漏字时，团队才能知道是 OCR 本身失败，还是页面一开始就被分到了错误路线。 OCR 之后，还有哪几步才能进入 RAG？一条完整的 PDF 解析流程，会包含图像、文字识别、版面、表格和文本合并等环节。放到扫描件上，可以按下面的顺序理解。第一步，渲染和预处理页面。系统把目标页转成适合识别的图像，并检查方向、倾斜、清晰度、对比度和噪声。旋转页如果方向不对，后面的文字识别很可能整页失败。低清页面可以受控提高渲染质量，但不能无限放大，因为处理时间和资源占用也会…

#RAG#解析与入库#扫描 PDF RAG

面试题·RAG

RAG 文档解析质量怎么评估？不能只看“解析成功”

匹配正文：…。第一套仍然区分章节标题、列表前导句和正文，第二套却把它们全部压成同一级文本。若只按字符是否出现计算，两套结果可能很接近；进入 RAG 后，第二套的片段却不知道自己属于哪个章节，例外条件也可能离开它约束的正文。再看重复问题。同一段内容被解析器输出两次，字符覆盖甚至会显得更高，但检索前几条可能被近重复 Chunk 占满。只统计“提取了多少字”，既看不出层级丢失，也会把重复内容误当成完成度提升。所以解析质量至少要拆成四层。第一层，文字覆盖检查应该出现的正文有没有被提取，…

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

#RAG#解析与入库#RAG 文档解析评估

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·检索· 字节

RAG 系统怎么持续迭代?

匹配口述回答：…fulness]]。但光有离线不够，在线业务指标才是最终验证。比如在客服场景，问题解决率、用户满意度、人工介入率，这些能直接反映 RAG 有没有帮到用户。我会把 bad case 回流，分析是检索没找到、重排排错了，还是生成错了，然后针对性优化。这里有个延伸点：很多人会问要不要把 RAG 和纯微调结合起来。我的看法是，RAG 适合知识频繁更新的场景，微调适合固定知识库但需要深层语义理解的场景。如果两者一起上，要特别注意冲突，微调可能让模型过度依赖参数知识，忽略检索回来的信息…

#字节#RAG评估闭环#RAG 系统优化

面试题·检索· 淘天

Naive RAG vs Advanced RAG 区别?

匹配口述回答：RAG 的分类更适合作为复杂度坐标，而不是三套互斥产品。Naive RAG 的链路很短：把 query 编码，向量检索 Top-K，再把候选拼给模型。它便于建立基线，也容易排查，但遇到精确实体、短 query、冲突文档、权限过滤或多步问题时，单路向量召回往往不够。 Advanced RAG 是在明确 bad case 上增加处理。检索前可以做改写、扩展、分解或路由；检索中加入 BM25 与向量混合、元数据过滤和重排；生成前再做去重、压缩、冲突处理和引用组织。这里没有哪个模块默…

#淘天#重排与优化#Naive RAG

面试题·RAG

PDF、PPT、扫描件为什么不能共用一条解析 Pipeline？

匹配正文：…，必须先经过文字识别。三类文件若都粗暴转成一大段纯文本，格式虽然统一，标题、位置、表格关系和图片信息却可能一起消失。这对应一道 RAG 项目面试题： PDF、PPT 和扫描件应该怎样进入同一个知识库？为什么不能只写一个通用解析函数？一种常见但不完整的回答是：“判断文件后缀，调用不同的库，再把文字拼起来。” 这只能算说出了入口。面试官还会追问：不同解析器统一什么？页面只成功一半怎么办？怎样证明内容能够被检索，而不是只拿到一堆字符？为什么“上传成功”不等于“可以检索”？文…

#RAG#解析与入库#RAG 文档解析

面试题·RAG

复杂 PDF 的双栏、表格和图片怎么解析，才不会打乱语义？

匹配正文：…系。复杂 PDF 的三类 bad case 定位从区域识别、顺序恢复、结构化输出到切分逐层检查，才能知道错误到底发生在哪里。排错时最好保留三份中间产物：原始页面、带区域框与顺序编号的版面结果、最终结构化内容。再加上切分结果与检索候选，就能从用户反馈一路回到错误源头。还有一类经常被忽略的故障：单页结果正确，跨页关系却在重新处理时发生漂移。比如上一版把第二页判断为续表，新版却把它识别成新表；或者标题区域略有变化，后续所有正文的标题路径都跟着改变。这类差异不会表现为漏字，却…

#RAG#解析与入库#复杂 PDF 阅读顺序

项目实战·RAG

第 6 章:重排(Rerank)与检索优化

匹配正文：…数据集本书每章的完整可运行代码 + 测试样本,都在配套 GitHub 仓库: 🔗 github.com/MisterBooo/rag-from-zero clone后先阅读项目首页的配套代码与运行环境，把零依赖演练与完整模型/API链路分开验证本章的"粗排排错"demo(零依赖)和真实精排示例都在里面欢迎 Star ⭐ / Issue 反馈导航 ← 上一章:检索召回 | 下一章:Query 理解与改写 → | 回到项目首页

#RAG#检索#项目实战

面试题·RAG

Rerank 为什么更准，却不能对整个知识库运行？

匹配正文：…尤其需要检查。 Query 与候选拼接后超过模型上限时，部分内容会被截断。如果正确答案恰好位于候选尾部，表面上看是 Rerank 排错，实际是模型从未看到关键句。调试时要保存截断前长度、最终输入和截断策略。可以调整 Chunk 边界、保留标题和关键区域，或选择支持合适输入长度的模型，但每种改动都要重新评测排序与成本。 Rerank 分数也不宜跨模型直接比较。不同模型的分数范围和校准方式可能不同，同一阈值从一个模型搬到另一个模型，并不代表相同相关性。更稳妥的是先用名次指标比…

#RAG#检索与重排#RAG Rerank

面试题·模型架构· 商汤科技

幻觉一致性延迟诊断

匹配口述回答：…emperature为零反复生成同一路径，就没有真正的多样性。幻觉要沿证据链定位。可能是知识本身不在模型里，也可能是召回漏掉、重排错了、上下文被截断，或者模型读到证据后仍越界生成。频繁变化的价格、政策和库存更适合放在RAG或受控数据库中，让答案带来源并做规则或工具验证。知识编辑适合研究或少量、边界清晰的事实修正，但不能取代可追溯数据源。 ROME也要描述准确。它通过定位与事实关联的MLP计算，并对权重矩阵做定向的低秩更新来改变特定关联，不是找到一个神经元后改一个数。连续编辑…

#幻觉问题#输出一致性#推理延迟