匹配正文：…到端组件、数据流和每层输入输出关键接口与约束如何影响设计下一步：tradeoff。配套学习：BM25 vs 向量检索 vs 混合检索怎么选?。 4. tradeoff · tradeoff 为什么选 RRF 而不是归一化加权？RRF 常数、各路 top-k 和重排深度如何确定？考察重点：验证选型来自真实约束和对比，而不是技术名词堆砌。至少两个候选方案、真实约束与放弃原因质量、时延、开发和维护成本下一步：metrics。配套学习：RAG检索质量提升5法、RAG …

#模拟面试#简历项目#连续追问

系统教程·RAG

RAG 面试题大全与知识体系

匹配正文：… RAG 资产按知识体系组织好——先用 11 章实战教程把系统做出来，再按模块刷真题，每道题都有书面答案和口语版讲法。配套教程 RAG 智能问答系统：11 章从原理到评测知识模块 RAG 基础与整体架构文档处理与分块向量检索与召回重排与检索优化知识图谱增强常见问题 RAG 面试一般会考哪些问题？围绕你简历上的 RAG 项目逐层追问：为什么这样分块、召回率怎么测、混合检索和重排为什么要加、幻觉怎么归因。背概念挡不住追问，最好把一个完整 RAG 系统亲手做一遍。 …

第 1 / 8 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

#专题学习

#RAG 面试题大全与知识体系

项目实战·RAG

第 5 章:检索召回,混合检索(BM25 + 向量)

匹配正文：…排序" = 检索召回模块里稀疏检索那条腿; 把它和第 4 章的向量检索(稠密那条腿)并起来,再融合排序,就是 Part 2 要讲的混合检索,也就是真实 RAG 系统在线召回的主干。你已经手搓出了"两条腿"里的一条,下面把另一条接上。 🎯 Part 2 · 面试深度｜ ~40% 这部分讲透 BM25 为什么强、混合检索怎么搭、两套分数怎么融合。 2.1 为什么单一检索不够:两类查询两类查询各有克星真实用户的问题分两类:精确型("等待期是多久":靠字面命中,BM25 强…

#RAG#检索#项目实战

面试题·RAG

RAG 为什么要同时用 BM25 和向量检索？

匹配正文：面试官问：“RAG 为什么要同时使用 BM25 和向量检索？” 一个常见回答是：“BM25 找关键词，向量检索找语义，两路一起用，召回效果更好。”这个回答讲到了两种检索方式，但还没有回答三个问题：两路分别会漏掉什么、找回的内容怎样排到一起，以及如何证明多跑一路确实有价值。面试官通常会顺着这三个问题继续问：只用 BM25 或只用向量检索，各自会在哪类问题上漏掉正确原文？两路分数不是同一把尺子，结果怎样合并，为什么还要重新排序？你怎样用一批带正确原文的问题，证明混合检索确…

#RAG#检索与重排#RAG 混合检索

面试题·评估· 字节

RAG 文档检索选型

匹配题目：在 RAG 系统中，稠密、稀疏和混合检索应如何选型？请说明技术考量、优化路径，以及项目回答中需要补充哪些可核验事实。

#字节#混合检索#RAG 文档检索选型

面试题·评估· 美团

RAG 解决了哪些问题?

匹配标题与标签：RAG 解决了哪些问题? 大模型项目中 RAG 的实际效果与提升,含检索与生成优化评估美团混合检索 RAG 技术 RAG 大模型项目 RAG 效果美团

#美团#混合检索#RAG 技术

面试题·检索· 字节

RAG检索质量提升5法

匹配题目：在检索增强生成（RAG）系统中，除了基本的向量相似性检索外，还有哪些关键技术可以提升检索结果的相关性、准确性和整体质量？请列举主要方法（如查询扩展、重排序、混合检索、上下文压缩、动态检索等），并简要说明其原理及适用场景。

#字节#重排与优化#RAG 检索质量提升

面试题·检索· 字节

RAG 检索优化:重排序怎么用?

匹配正文：RAG检索优化可以从检索前、检索中、检索后三个阶段系统提升：一、检索前：查询优化查询扩展：用LLM生成伪文档（HyDE）或扩展查询词，弥补用户query语义不完整的问题查询改写：识别用户真实意图，消解歧义（如"苹果"→区分水果/公司）多跳查询分解：复杂问题拆成子查询，分别检索后聚合二、检索中：混合检索单一向量检索有局限，典型组合：稠密+稀疏：向量语义匹配 + BM25关键词匹配，互补召回分数融合：线性加权或 learned sparse retrieval（如…

#字节#混合检索#RAG 检索优化

面试题·检索· 字节

RAG检索方法如何优化？

匹配标题与标签：RAG检索方法如何优化？对比 BM25、向量检索与混合检索,技术选型与性能优化策略检索字节 RAG检索选型 RAG 检索方法 BM25 vs 向量检索混合检索 RAG 技术选型 RAG 性能优化字节

#字节#RAG检索选型#RAG 检索方法

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

面经·项目面试

混合检索先过一关：两路分数能直接相加吗？

匹配正文：混合检索先过一关：两路分数能直接相加吗？做了两路召回，一路用BM25找字面匹配，一路用向量找语义相近。接下来怎么排？你可能会写下一个很自然的公式：BM25占一半，向量占一半，两路分数加起来，取前几名。面试官追问：“为什么各占一半？”你说希望兼顾关键词和语义。再追问：“BM25给50分，向量给0.9分，这两个一半，实际贡献一样吗？”这时，权重选择还没开始，分数可比性就已经成了问题。它像两个裁判，一个拿米尺，一个拿温度计。工具读数都能写成数字，但不能因为各乘0.5，就认为可…

#RAG#混合检索#RRF

项目实战·RAG

RAG 智能问答系统

匹配正文：…项目涉及的解析、切分、检索、重排、引用和评测问题，可以继续到题库按模块练习。题目用于检验理解，不能替代自己的项目证据。去题库刷 RAG 真题 → 按顺序学习第 1 章:为什么做 RAG? 第 2 章:RAG 整体架构第 3 章:文档预处理与切分第 4 章:Embedding 选型与向量化第 5 章:检索召回,混合检索(BM25 + 向量) 第 6 章:重排(Rerank)与检索优化第 7 章:Query 理解与改写第 8 章:多轮对话与记忆管理第 9 章:上下…

#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：…用自己能够说明测法与证据的事实。学习背景经验：适合有后端基础、正在准备大模型应用开发岗位的读者项目背景：练习场景：企业文档 RAG；项目规模、指标与个人职责由读者按真实经历填写目标岗位：大模型应用工程师准备时间：按自己的准备进度使用关键考点文档分块(Chunking)策略与表格切分 Embedding 模型选型与领域微调 BM25 + 向量混合检索与 RRF 融合多轮对话 Query 改写与指代消解 Cross-Encoder Rerank 精排 RAG 幻觉…

#RAG#项目深挖#教学复原

项目实战·RAG

第 2 章:RAG 整体架构

匹配正文：…｜ ~10% 学到这一步,做几道题验证一下,知道自己学到位没。关联面试题(5 道,覆盖 5 个角度) 【整体架构与流程】解释 RAG 的整体架构与完整工作流程。中等 → 【离线索引构建】描述构建近似最近邻(ANN)索引的完整流程和关键技术选择。中等 → 【在线检索机制】详细解释 RAG 中检索模块(Retriever)的工作机制。中等 → 【为什么混合检索】为什么要采用混合检索(Sparse + Dense)?分别阐述其作用。较难 → 【召回链路全局优化】 …

#RAG#检索#项目实战

系统教程·AI 编程

从零拼一个最小 RAG 问答

匹配正文：…否定条件的教学样本检查语义边界，避免主句和例外条件被切散。检索：向量与关键词可能在专名、语义相近但条件不同的查询上各有短板。是否混合检索，应在固定题集上对照验证，不能预设某种方案一定更好。重排:召回一堆,怎么把最相关的排到前面 → Cross-Encoder 精排。评估:怎么量化"答得准不准" → 召回率 / QA 准确率。 👉 想做深,直接看站内 RAG 完整项目教程:沿着文档处理、检索、重排、引用与评测完成项目，并查看配套 GitHub 代码；效果数字要由自己的评…

#Agent#AI 编程

求职指南·求职

手把手把 RAG 教程做成"你自己的"项目

匹配正文：…。教程章做完你能拿出的证据面试会怎么追问为什么需要 RAG 需求说明:场景、为什么不用纯大模型/微调 "这个场景为什么选 RAG 不选微调" 整体架构一张能手画的架构图 + 每个模块职责 "把你的链路画一下,数据怎么流" 文档预处理与切分 chunk 策略 + 大小的对比数据 "切多大、为什么、试过别的吗" Embedding 选型选了哪个模型、和备选的对比 "为什么这个 embedding,维度/成本怎么权衡" 检索召回·混合检索向量+关键词混合的召回对比 "…

#求职#职业转型

求职指南·求职

领域八股速通:RAG / Agent / 评估 / 微调高频考点地图

匹配正文：…、badcase 怎么回流改进,而不是"感觉不错" 刷题去评估与监控题库。重排与优化(70 题):验证你会不会救召回重排是 RAG 里"召回准不准"的关键一环,效果好坏经常卡在这。面试官问重排,是想确认你不只会 embedding 一把召回,还懂用 rerank、混合检索去补救长尾和边角 case。维度内容面试官在验证什么你是否理解召回为什么会掉、rerank/混合检索/多路召回怎么补,以及各自的代价先看哪个 RAG 重排章代表题型 "为什么要 rerank…

#求职#职业转型

面试题·RAG

Recall@K、MRR、Faithfulness，分别在评估 RAG 哪一层？

匹配正文：…是否依靠自身知识碰巧答对，也检查正确证据是否在粗召回之外被其他路径带入上下文。如果答案事实无法回到本轮证据，这次结果不应被算成 RAG 链路成功。优先检查文档解析、Chunk 边界、Query 改写、过滤条件、Embedding 和召回策略。情况二：Recall 高，MRR 低正确证据找到了，但排得太靠后。优先检查混合检索融合、Rerank、时效性或权限过滤后的排序，以及最终上下文截断。这时继续扩大候选 K 可能不会解决问题，反而增加成本。更关键的是让最有用的证据进入…

#RAG#评测与上线#RAG 评估指标

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：…:有深度的项目经历 = 四要素一段经得起追问的 RAG 项目经历,要齐这四样: 有深度的项目经历:四要素背景/动机(为什么做 RAG)、系统架构(离线建库 + 在线问答的流程)、个人贡献(是"我"做了什么,不是"系统"做了什么)、方法论(问题→假设→验证→优化的思考链)。缺任何一个,都会显得单薄。概念 2:写好每条 bullet 的万能公式写简历的万能公式个人动作 + 具体技术方案 + 可核验结果。三样齐了,一条 bullet 才能说明你做过什么。空泛的"使用了混…

#RAG#检索#项目实战

面试题·Agent· 高德

Agent记忆分层与RAG检索

匹配正文：… 重要性标记 LLM自动打标（关键决策/用户确认/异常事件）重要节点不被遗忘访问频率 LRU + 频次统计热点记忆缓存加速混合检索公式：Final_Score = α·semantic + β·recency + γ·importance 动态更新与遗忘机制记忆写入流程原始对话 → 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…

#高德#Agent#向量检索

面试题·Agent· 阿里

LangChain vs LlamaIndex 在 RAG 中怎么选?

匹配正文：…强调任务委托 Semantic Kernel 微软生态，企业级规划器（Planner） Haystack 工业级NLP流水线，偏重RAG Pipeline 典型协作模式数据层：LlamaIndex（索引+检索） ↓ 编排层：LangChain（Agent决策+工具调用） ↓ 模型层：OpenAI/Claude/本地模型场景示例：企业智能客服 LlamaIndex构建产品手册的向量索引+关键词索引混合检索 LangChain Agent判断用户意图，决定直接回答/检索知识库…

#阿里云#Agent#Agent 框架对比

面试题·文档处理· 字节

RAG 文本分块与向量索引流程

匹配正文：…logN)，召回率>95% IVF-PQ：倒排+乘积量化，内存压缩10-20倍，适合海量数据动态更新：增量索引避免全量重建四、检索增强 # 混合检索示例：向量相似度 + BM25关键词 def hybrid_search(query, alpha=0.7): dense_score = vector_db.similarity_search(query) sparse_score = bm25_search(query) return weighted_fusion(de…

#字节#文档处理#向量检索

面试题·文档处理· 美团

RAG 知识库搭建流程?

匹配口述回答：…理没做好，导致检索结果一堆垃圾，用户直接弃用。上线后我会特别关注Recall@K和延迟的监控，定期做bad case分析。定位：RAG知识库搭建本质是质量与延迟的平衡预处理：格式解析与元数据，扫描件OCR的坑分块：固定长度与语义切分的适用边界，重叠窗口向量化与索引：Embedding选型、HNSW与IVF-PQ的取舍检索优化：混合检索与重排序，落地风险约4分钟知识库频繁更新时，如何平衡索引实时性与检索质量，特别是删除和修改操作的处理面试官可能会追问增量索引的具…

#美团#RAG 知识库搭建#文档预处理

混合检索怎么提升 RAG 召回?

混合检索、RRF 与重排项目模拟面试

RAG 面试题大全与知识体系

第 5 章:检索召回,混合检索(BM25 + 向量)

RAG 为什么要同时用 BM25 和向量检索？

RAG 文档检索选型

RAG 解决了哪些问题?

RAG检索质量提升5法

RAG 检索优化:重排序怎么用?

RAG检索方法如何优化？

BM25 vs 向量检索 vs 混合检索怎么选?

混合检索先过一关：两路分数能直接相加吗？

RAG 智能问答系统

RAG 项目面试会怎样连续追问？一场工程深挖教学复原

第 2 章:RAG 整体架构

从零拼一个最小 RAG 问答

手把手把 RAG 教程做成"你自己的"项目

领域八股速通:RAG / Agent / 评估 / 微调高频考点地图

Recall@K、MRR、Faithfulness，分别在评估 RAG 哪一层？

附录:把这个 RAG 项目写进简历 & 面试应答

Agent记忆分层与RAG检索

LangChain vs LlamaIndex 在 RAG 中怎么选?

RAG 文本分块与向量索引流程

RAG 知识库搭建流程?