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·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…

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#评测与上线#RAG 评测集

面试题·评估· 美团

RAG 缓解幻觉的机制

匹配正文：RAG缓解幻觉的核心机制大模型幻觉源于参数化知识的静态性和泛化误差。RAG通过动态检索外部权威知识替代模型"编造"：检索阶段：将用户查询向量化，从知识库召回Top-K相关文档增强阶段：将检索结果与原始查询拼接，构建增强提示生成阶段：模型基于"检索证据"生成，答案被约束在提供的上下文中实际系统实现机制组件关键设计 Embedding模型领域适配（如用BGE、GTE替换通用模型）向量数据库 Milvus/Pinecone，需考虑索引类型（HNSW/IVF）与分片…

#美团#事实锚定#RAG 缓解幻觉的机制

面试题·模型微调· 美团

RAG 解决了哪些核心问题?

匹配正文：核心价值 RAG 让模型在回答时读取可更新、可授权和可追溯的外部资料，主要缓解参数知识过期、私有知识缺失和事实依据不足。它改善的是知识访问链路，不保证自动消除幻觉，也不能替代模型本身的推理、工具执行或权限控制。 1. 知识时效性知识库更新后仍需经过解析、分块、索引和发布，查询才能读到新版本。天气、订单和实时价格等数据更适合通过实时 API 或数据库工具获取，再把结果作为生成依据，而不是依赖静态向量库。 2. 私有与领域知识企业政策、产品手册和内部流程可以通过检索按权限注入…

#美团#知识增强#RAG 核心问题

面试题·RAG· 淘天

RAG vs 传统检索生成怎么选?

匹配正文：…势具体表现挑战典型场景生成准确性事实幻觉显著降低，可溯源检索噪声污染（错误文档误导生成）医疗/法律问答知识实时性知识库更新即时生效，无需重训模型检索延迟影响TTFT（首token时间）电商促销信息系统灵活性同一模型适配多领域，仅换知识库领域迁移时检索-生成对齐困难多租户SaaS 可解释性生成内容可关联溯源文档知识冲突时缺乏显式消解机制金融合规四、演进意义：从"记忆"到"查阅" RAG的核心范式跃迁在于知识存储位置的转移：传统LLM：知识…

#淘天#RAG信息融合#RAG与传统检索生成对比

面试题·RAG· 字节

高精度RAG系统设计陷阱

匹配正文：核心架构：四层RAG系统 1. 领域知识库层多源异构数据：结构化（法规条文、药品数据库）+ 非结构化（临床指南、判例文书）分层索引：按效力层级（法律：宪法→法律→司法解释→案例；医疗：指南→专家共识→文献）知识图谱增强：实体关系抽取，支持推理型查询（如"某药物禁忌症涉及哪些疾病"） 2. 检索引擎层多路召回：Dense（语义匹配）+ Sparse（BM25关键词）+ KG（图遍历）领域适配：用领域语料微调Embedding模型（如医疗用PubMedBERT）查询改…

#字节#高精度RAG#高精度 RAG

面试题·检索· 字节

领域 RAG 架构如何控幻觉?

匹配口述回答：这道题问的是专业领域[[RAG]]系统怎么搭，本质上是在考你怎么把通用RAG的能力约束到知识边界内，保证输出准确、可溯源，同时兼顾效率。我以法律场景为例，具体说一下我的方案。先说数据预处理。这块最核心的不是怎么切分，而是[[分块]]策略的取舍。固定切分简单，但法律条款跨块就会丢语义，所以我倾向按段落边界切，保证每个块语义完整。同时我会做多粒度索引：原文段落做粗粒度，拆解后的法条做细粒度，再额外维护一批问答对做应用层，这样不同查询能命中不同粒度的块。还有一个前提是术语对齐，比…

#字节#专业领域RAG#领域 RAG 架构

面试题·RAG

RAG 首字响应为什么慢？Embedding、检索和生成怎么逐段优化？

匹配正文：用户点下发送以后，页面空了很久，随后答案一口气开始出现。遇到这种现象，一种常见判断是大模型太慢，需要换一个更快的模型。但一条 RAG 请求在模型生成第一个字之前，已经经过 Query 处理、Query Embedding、关键词与向量检索、候选融合、Rerank 和上下文构建。真正的等待可能发生在其中任何一段。从调用依赖关系看，模型要等检索证据准备好，才能开始基于证据生成。因此，如果向量检索阶段很慢，流式输出只能改变第一个 Token 之后的展示，不能缩短前面的检索等待…

#RAG#评测与上线#RAG 首字响应

面试题·Agent· 阿里

RAG+Agent 延迟与准确率成因

匹配口述回答：…LM自身的困惑度做联合判断，但实际落地时，阈值很难定，调得太高容易漏召回，太低又容易引入噪声。这块我觉得还有优化空间。总结一下，RAG加Agent的优化，前提是区分场景。比如客服场景，高频问题走缓存，低频问题走检索；订单查询场景，优先走结构化数据，RAG只做补充。如果知识库更新频繁，还要考虑增量索引。上线我会特别关注延迟的P99和正确率的坏案例，用ARMS做全链路追踪。所以我的倾向是，不要追求一个方案解决所有问题，而是把RAG、缓存、结构化查询结合起来，根据场景做取舍。本…

#阿里云#Agent#RAG Agent 延迟优化

面试题·文档处理· 字节

RAG 文本分块与向量索引流程

匹配口述回答：…识库里有大量相似文档，比如不同版本的合同，重排后可能还是混淆，我会加元数据过滤，比如版本号、日期，先缩小候选集。还有一个点是，当知识库更新频繁时，增量索引的实时性和一致性很难兼顾。我上面提到用双缓冲，但实际工程中还要考虑索引重建的时机和回滚机制。这块如果做得不好，线上会出现搜不到刚更新的内容，或者搜到旧版本，影响用户信任。所以整体上，我更倾向于把RAG检索看成一个多阶段pipeline，从分块到嵌入到索引到检索，每个环节都有trade-off，而且必须用业务数据验证。如果…

#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：这道题我觉得本质上不是在问流程，而是在问你怎么在检索质量、存储成本和响应延迟之间做取舍。搭建[[RAG]]知识库，我一般会按预处理、[[分块]]、[[向量化]]、索引构建、检索优化这几个环节来走，但每个环节都有很多坑，我重点说几个。先说文档预处理。这一步核心是格式解析和清洗。比如PDF，如果是文本型的，用PyPDF2或者python-docx直接提取就够；但如果是扫描件，那就必须走[[OCR]]，我会用PaddleOCR或者EasyOCR。这里有个坑，OCR识别率不是100…

#美团#RAG 知识库搭建#文档预处理

面试题·评估· 京东

RAG 缓解哪类幻觉?

匹配口述回答：…管外部知识。碰到逻辑推理问题，我会优先考虑[[Chain-of-Thought]]或者Self-RAG。一句话定位：事实性幻觉 RAG的核心前提：知识库覆盖度、检索准确性、生成可控性业务例子：客服退款政策边界与风险：RAG不解决忠实性幻觉，落地需混合方案判断收尾：RAG是基础设施，不是银弹约4分钟知识库频繁更新时，GraphRAG比纯向量检索更稳定，但工程复杂度高。面试官可能会追问GraphRAG和向量RAG的对比，或者知识库更新的工程实践。

#京东#知识型幻觉#RAG 幻觉

面试题·Prompt· 字节

RAG 生成阶段 Prompt 怎么构建?

匹配口述回答：…‘根据某年某月版本’。说到这，其实还有一个更激进的方向，让模型自己决定要不要调用检索，而不是每次都硬塞上下文。比如[[Self-RAG]]的思路，模型先生成一个初步答案，再判断是否需要检索补充。这个在知识库更新频繁的场景特别有用，但实现复杂度也高。所以整体上，我更倾向于根据不同场景组合使用模板：客服退款这种高频简单问题，经典QA式加引用标记就够了；政策解读这种依赖多段资料的，就加动态Few-shot和重排序。核心前提是检索质量要过硬，否则Prompt设计得再好也白搭。一…

#字节#Prompt工程#RAG Prompt 构建

面试题·检索· 字节

医疗法律 RAG 架构关键环节

匹配口述回答：这道题其实问的是，怎么把通用[[RAG]]改造成能在一个专业领域真正落地，核心挑战就是领域知识怎么结构化、检索怎么精准、生成怎么可控，而且这三环要能闭环迭代。先说数据预处理。专业文档不像通用网页，结构复杂、术语密集，随便切段落肯定不行。我会根据文档类型做不同处理，比如医疗病历有DICOM标准，法律合同有条款边界，先用[[OCR]]或解析器把元信息提出来，像疾病编码、法条编号、时效性这些。然后chunk策略要兼顾语义和结构：一方面用语义模型识别主题边界，另一方面按章节条款切，…

#字节#领域RAG架构#专业领域 RAG

面试题·检索· 美团

RAG 流程各阶段怎么拆?

匹配口述回答：…结果的事实一致性，冲突时过滤掉。还有一个点值得注意：当检索结果为空或置信度极低时，是直接拒绝还是触发联网搜索？我倾向先拒绝，因为RAG的目标是可控性，联网搜索会引入不可控风险。但如果业务允许，可以设计一个降级策略，比如提示用户补充关键词。整体上，我会把RAG看成一个检索增强的闭环系统，不是简单的管道。每个环节的失败场景都要有预案，比如知识库更新不及时导致旧政策被检索出来，这时需要版本控制或时间戳过滤。上线前，我会用 [[RAGAS]] 这类工具评估 [[Faithfuln…

#美团#评估与监控#RAG 工作流程

面试题·检索· 快手

RAG 延迟与准确率优化

匹配口述回答：这道题其实问的是，当我们把[[RAG]]真正放到业务里跑的时候，怎么在延迟和正确率之间做工程取舍。说白了，就是既要用户等得起，又要答案靠谱，这两者往往互相矛盾。先讲延迟。你会发现瓶颈主要卡在三个地方。一个是检索阶段，[[向量库]]在百万级规模下，用[[HNSW]]或者[[IVF-PQ]]做近似搜索，本身就有精度和速度的trade-off，再加上后面还要做[[重排]]，耗时很容易飙到几百毫秒。另一个是[[Agent]]的多轮调用，每次[[ReAct]]循环里LLM想一步、调一…

#快手#RAG延迟优化#RAG 延迟与准确率优化

面试题·检索· 快手

RAG 延迟准确率根因

匹配口述回答：…uery少检索几轮；检索和生成流水线并行，首Token延迟能降30%。前提是得做好缓存，热点Query结果直接复用。常见失败场景是知识库更新滞后，如果政策变了，旧文档还在，检索出来就是错的。所以我会特别关注文档版本管理和动态更新。上线后我会监控Recall@K和延迟P99，如果召回率低于85%，就调大Top-K或加Rerank。我更倾向把RAG看成检索和生成的协作，而不是单独优化一个环节。延迟和准确率永远是跷跷板，关键是找到业务能接受的平衡点。说到这，我其实更关注一个延伸点：…

#快手#RAG延迟与准确率#RAG 延迟准确率根因

面试题·检索· 虾皮

RAG 流程优化：检索与重排陷阱

匹配口述回答：…些数据回流用来调排序权重和分块策略。另外，缓存也很关键，热门查询的结果直接缓存，能省掉70%的检索延迟。其实还有一个延伸方向：当知识库更新频繁时，文档和向量之间的一致性怎么保证？比如政策改了，旧的文档要替换，但[[向量库]]里还有旧向量，检索时可能同时召回新旧版本，导致答案矛盾。这个场景下，我会考虑用 [[Parent Document]] 结构，保留父子关系，更新时原子级替换整个子树，再配合版本号做在线校验。所以总的来说，RAG不是搭个流水线就行，每个环节都有前提条件和…

#虾皮#RAG全链路优化#RAG 流程优化

面试题·检索· 字节

RAG 技术实现怎么落地?

匹配追问：…手册。你怎么让大模型既能实时获取这些手册内容，又不用每次更新都重新训练模型？大概讲下你的技术方案。层层追问大模型做问答时，如果知识库更新了，你一般怎么处理？……如果不想微调模型，有没有其他办法让模型能引用外部知识？……那具体怎么把检索和生成结合起来？从索引到搜索再到回答，你一步步说一下。直球架构请详细描述RAG的技术实现，包括离线的索引构建和在线的检索生成流程，并说明它的典型应用场景和优势。

#字节#RAG应用场景#RAG 技术实现

面试题·RAG· 美团

动态增量更新怎么防检索偏差?

匹配标题与标签：动态增量更新怎么防检索偏差? RAG 知识库新旧文档分布差异的成因与缓解策略 RAG 美团增量更新检索偏差 RAG 知识库更新检索偏差增量更新 RAG 美团

#美团#增量更新检索偏差#RAG 知识库更新

面试题·Prompt· 字节

电商Prompt设计陷阱

匹配口述回答：…。我通常把长商品描述用 [[Embedding]] 检索，只取Top3注入，而不是全量。这样延迟和成本都能接受。还有个延伸点：当知识库更新频繁时，Few-shot 示例也要跟着变，否则模型用旧示例会误导。我倾向于把示例也做成动态检索，根据当前query取最相关的示例，效果比固定示例好不少。最后说下边界。有人问为什么不用 [[RAG]] 或微调？我的看法是：RAG适合知识密集但不需要模型理解的任务，比如政策问答；微调适合风格固定、输出格式统一的任务，比如评论摘要。但电商场景…

#字节#Prompt工程#电商 Prompt 设计

知识库更新策略怎么选?

资料里没有答案时，RAG 怎么避免强行生成？

RAG 评测集怎么构建？问题、答案和证据必须怎么标？

RAG 缓解幻觉的机制

RAG 解决了哪些核心问题?

RAG vs 传统检索生成怎么选?

高精度RAG系统设计陷阱

领域 RAG 架构如何控幻觉?

RAG 首字响应为什么慢？Embedding、检索和生成怎么逐段优化？

RAG+Agent 延迟与准确率成因

RAG 文本分块与向量索引流程

RAG 知识库搭建流程?

RAG 缓解哪类幻觉?

RAG 生成阶段 Prompt 怎么构建?

医疗法律 RAG 架构关键环节

RAG 流程各阶段怎么拆?

RAG 延迟与准确率优化

RAG 延迟准确率根因

RAG 流程优化：检索与重排陷阱

RAG 技术实现怎么落地?

动态增量更新怎么防检索偏差?

电商Prompt设计陷阱