匹配正文：答案要点分模块阐述数据预处理（解析、分块、质量过滤）、检索层（多路召回、重排序）、生成层（上下文压缩、引用溯源）的设计体现领域适配思路（领域术语表、专用Embedding）提到评估闭环和持续优化机制避免只讲基础RAG流程，要有工程化深度一、数据预处理层文档解析与清洗多格式统一：PDF/Word/网页用专用解析器（如MinerU、Marker），保留表格结构和层级标题领域术语标准化：建立专业词表，做实体链接和指代消解质量过滤：去重、低质量页面过滤、敏感信息脱敏…

#字节#领域RAG架构#RAG 系统架构

面试题·检索· 字节

领域 RAG 架构如何控幻觉?

匹配题目：请设计一个基于专业领域知识（如医疗或法律）的智能助手RAG系统架构，包括数据预处理、检索优化、生成优化等关键环节的具体实施方案。

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

#字节

#专业领域RAG

#领域 RAG 架构

面试题·项目与经历· 商汤科技

数据预处理关键步骤与目的

匹配正文：…率、约束失败率等指标，并结合业务表现与人工复核设阈值。阈值由历史波动和风险成本校准，不是看到任意距离变化就自动增量训练。Self-RAG 是让生成模型按需检索并用反思 token 评价检索与生成的 RAG 方法，不是通用数据漂移检测或自动清洗触发器。

#数据清洗#数据增强#数据采样

面试题·文档处理· 字节

RAG 数据清洗与 Chunking 怎么选?

匹配追问：…文档有PDF、Word、网页抓取的各种格式，质量参差不齐。你会怎么设计数据清洗流程？另外，文档切块时你通常用什么策略？层层追问 RAG系统里，数据入库前一般要做哪些处理？……那文本切块呢，你一般怎么切？……如果文档里既有表格又有代码，直接按固定长度切行不行？你用什么策略处理这种情况？直球架构设计一个RAG系统的数据预处理pipeline，重点讲数据清洗流程和文本切块策略。清洗要覆盖哪些环节？切块策略有哪些，各自适合什么场景？

#字节#文档处理#RAG 数据清洗

面试题·检索· 小红书

RAG检索不准的失败场景与优化

匹配口述回答：这道题问的是检索结果不对目标答案的原因和优化方向，其实本质是问检索和生成之间的对齐问题。我们做[[RAG]]时经常会遇到：明明数据库里有正确答案，但检索模块就是没把它捞上来，或者捞上来了但排序太低，导致生成器没看到。那原因可以从数据、检索、查询三个层面拆，优化也对应着来。先说数据层面。很多人上来就调模型，但我会先检查文档质量和[[Chunk]]策略。举个例子，客服退款场景下，用户问‘退款多久到账’，文档里可能写的是‘退款处理时效为1-3个工作日’，但如果你把这句话和‘退款条…

#小红书#美团#重排与优化

面试题·模型微调

生成模型回答不准怎么调?

匹配口述回答：…险：检索片段的格式不统一是常见隐形杀手。比如 PDF 解析残留乱码、表格转文本丢失结构，这些都会让模型误解。所以上线前我会特别检查数据预处理的质量。其实还有一个延伸点，就是当检索和生成都调优到极致后，瓶颈可能出现在模型本身的知识边界上。比如检索内容是正确的，但模型内部预训练知识跟它矛盾，模型会倾向于相信自己的记忆。这时候就需要做 [[Self-RAG]] 或者 [[Chain-of-Verification]]，让模型自己反思，先基于检索生成，再验证一致性。所以整体来看，…

#生成模型调优#上下文利用#RAG 生成不准确

面试题·RAG· 阿里

LangChain vs LlamaIndex 场景怎么选？

匹配标题与标签：LangChain vs LlamaIndex 场景怎么选？核心设计理念与适用场景对比,技术侧重点分析 RAG 阿里云 AI框架选型 LangChain vs LlamaIndex RAG框架对比阿里

#阿里云#AI框架选型#LangChain vs LlamaIndex