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…

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

#检索

#项目实战

面试题·文档处理· 安克科技

RAG文本向量化：分块与嵌入陷阱

匹配追问：……分块的话，块大小怎么定？……选什么编码模型？中文场景有没有推荐的？……向量存进去之后，怎么保证检索质量？直球架构请你描述一下RAG系统中，将文本内容转化为向量表示的完整流程。包括分块策略、Embedding模型选型、向量维度与归一化、以及质量评估方法，每个环节的关键点是什么？

#安克科技#RAG 文本向量化#分块策略

面试题·评估· 美团

多路召回评估指标与RAG场景

匹配正文：…：Query被至少一路召回的比例互补性（Complementarity）：各路召回结果的重叠度，理想状态是低重叠高互补二、定性评估方法人工相关性标注：构建黄金测试集，定义"相关/部分相关/不相关"标准错误案例分析：分类bad case（漏召、误召、排序差）归因到具体策略 LLM辅助评估：用GPT-4等判断文档-Query相关性，降低标注成本三、RAG场景的组合策略分层评估体系离线阶段：各路独立评估Recall/Precision，筛选候选策略融合阶段：评估融合…

#美团#评估与监控#多路召回评估

面试题·评估· 蚂蚁

RAG 检索与生成评估

匹配正文：答案要点检索质量指标：Recall@K、MRR、NDCG、命中率生成质量指标：忠实性、答案相关性、上下文相关性端到端评估方法：RAGAS、ARES、人工评估指标选择需结合业务场景，没有银弹一、检索质量评估核心指标 Recall@K：Top-K命中的相关文档数 / 黄金相关文档总数，关注覆盖；Top-K中相关占比是Precision@K。 MRR（平均倒数排名）：逐query取首个相关文档排名倒数，再求均值；未命中记0，并说明截断K。 NDCG：考虑位置加权的排序质…

#蚂蚁#评估与监控#RAG 检索与生成评估

面试题·评估· 淘天

RAG 评估：检索、生成与端到端指标

匹配题目：请详细说明检索增强生成(RAG)系统的评估方法和指标体系。

#淘天#评估与监控#RAG 线上效果评估

面试题·评估· 安克科技

Agent/RAG 评估体系怎么搭?

匹配正文：答案要点区分RAG和Agent的不同评估维度（检索质量vs工具调用/规划能力）覆盖客观指标（准确率、召回率）和主观指标（有用性、无害性）提及自动化评估与人工评估的结合指出实际落地中的挑战（评测数据构建、动态环境、成本权衡）一、RAG系统评估体系检索模块指标 Recall@K：正确答案在Top-K检索结果中的比例 MRR（平均倒数排名）：正确答案排名的倒数均值 Context Precision：检索片段中相关信息的比例生成模块指标 Faithfulness：生成…

#安克科技#Agent#Agent 评估体系

面试题·文档处理· 安克科技

RAG向量化：分块与Embedding

匹配口述回答：这道题问的是[[RAG]]的[[向量化]]过程，其实本质是在问：怎么把非结构化文本转成机器能高效检索的语义表示，并且这个转换要能支撑实际业务。我不会去背一遍原理，而是按我理解的技术选型和工程落地说一下。先说嵌入模型选型。很多人觉得直接拿个通用模型就行，但真正落地会发现，场景不同，选择差异很大。比如通用中文场景，我会用BGE-large-zh或者M3E，它们开源、能私有化部署，维度一般是768到1024，上下文长度够用。但如果业务是多语言，比如要检索中英文混合的文档，那E5-…

#安克科技#RAG 向量化#Embedding 模型

面试题·评估· 字节

RAG 评测优化闭环

匹配口述回答：…三层评估找到瓶颈，按业务场景选优化手段，冷启动重检索，数据多了再联合调优。核心是别贪多，每个阶段只解决一个主要矛盾。一句话定位：RAG评估和优化本质是平衡检索与生成三层评估体系：检索、生成、端到端，各有侧重迭代优化：检索侧、生成侧、协同，按场景选落地风险与取舍：冷启动先搞检索，数据多了再联合优化约4分钟自动评估指标在复杂推理场景下与人工判断差距大，需人工校验面试官可能会追问：具体哪些场景下差距大？如何设计人工校验流程？或者有没有更好的自动评估方法？

#字节#评估与监控#RAG 评测优化闭环

面试题·评估· 字节

RAG 评估指标与迭代陷阱

匹配追问：…候到”，系统去知识库检索了物流规则。你怎么评估这次检索和生成的效果？比如你能从哪些层面去度量，又怎么知道哪里需要优化？层层追问 RAG系统上线后，你怎么判断它好不好？……如果只看端到端正确率够吗？……那检索召回和生成质量怎么分开看？……比如检索召回很高但答案还是错的，你会怎么定位和迭代？直球架构请讲一下RAG系统的系统性评估方法，需要覆盖检索层、生成层和端到端指标，以及常见瓶颈对应的迭代优化方法。你直接说框架和具体方法就行。

#字节#评估与监控#RAG 评估

面试题·评估· 小鹏

RAG 失败场景诊断

匹配口述回答：这道题其实问的是，怎么把一个[[RAG]]系统的效果真正量化出来，而不是凭感觉说好不好。我的思路是把它拆成两层来看，检索层和生成层，因为这两步出错的模式完全不同，评估方法也得分开。先说检索层，核心就是看召回准不准，最关键的指标是 Recall@K。举个例子，客服系统里用户查退款政策，如果正确答案在Top 3检索结果里，就算召回成功。Recall@K直接决定了后面生成的上限，如果没召回，后面做得再好也没用。其他像Precision@K、MRR这些，更多是调优排序质量时用的，但…

#小鹏#评估与监控#RAG 失败场景诊断

面试题·模型微调· 字节

RAG Embedding 模型怎么选?

匹配追问：…商客服系统做RAG，用户问“这款手机怎么样”，需要检索相关产品文档。你会选哪个Embedding模型？从哪些方面考虑？层层追问 RAG里Embedding模型怎么选？……你觉得主要看哪些因素？……如果文档很长，比如产品说明书有几千字，模型长度不够怎么办？…… 直球架构让你为一个RAG系统选Embedding模型，给出选型的关键因素和评估方法，从语义能力、效率、领域适配这些方面讲。注意结合具体业务场景。

#字节#向量检索#RAG Embedding 选型

面试题·RAG· 字节

高精度RAG系统设计陷阱

匹配口述回答：…果只让我设计一个最小可行系统，我会先保证检索召回率和引用可溯源，其他花哨功能往后放。本质是领域知识落地与不确定性管理边界划分：RAG vs 微调，关键词 vs 向量业务场景：以医疗为例讲知识库与检索风险前提：引用置信度与人工兜底工程师取舍：更看重可溯源与反馈闭环约4分钟反馈闭环中如何自动化区分错误来源（检索 vs 生成），并触发知识库更新。追问可能会围绕 Faithfulness 评估方法、Corrective RAG 的具体实现、或者如何设计自动化归因流水线…

#字节#高精度RAG#高精度 RAG

学习路线·学习路线

大模型应用开发学习路线

匹配正文：这条路线写给已经会编程，想做大模型应用开发、RAG 或 Agent 工程的人。它不要求你先把所有知识学完。不同背景的学习节奏差别很大，所以这里不按月份排任务，只看五个能检查的结果：我准备投什么岗位？我能不能把一条最小的模型应用链路跑通？我要把 RAG、Agent 还是 Deep Research 做成主项目？我有没有评测、失败案例和技术取舍证明这是自己做的？我能不能脱离稿子说清项目，并接住后续追问？学习路线不是一张课程表。每一步都有完成标准：留下能运行的代码、评测…

#学习路线#RAG#Agent

面试题·文档处理· 字节

长文档 Chunking 怎么选?

匹配正文：…可能丢上下文，块越大完整但噪声多建议：实际采用多粒度索引——小chunk用于精排，大chunk（或父文档）用于生成时补充上下文评估方法检索侧：Top-K命中率、MRR 生成侧：答案完整性人工评分、引用准确率学习建议建议从基础切块方法（如固定长度、按段落）入手，理解其在专业文档中的局限；再学习语义切块等高级策略，结合实际案例练习分块设计。

#字节#RAG Chunking#长文档切分

面试题·Prompt· 脉脉

Prompt 怎么系统设计与优化?

匹配正文：…证" 低资源任务少样本学习 3-5个输入-输出对，覆盖边界case 多轮交互动态上下文压缩保留摘要+关键实体，丢弃过时细节 RAG场景检索结果重排序按相关性打分注入，标注来源可信度三、评估与迭代体系三层验证：规则层：正则/JSON Schema校验格式合规性模型层：用更强模型（如GPT-4）作为裁判，设计评分rubric 业务层：埋点采集用户满意度、任务完成率、人工复核准确率迭代机制：建立Prompt版本库，小流量A/B测试，关键变更需回归测试集（含对抗样…

#脉脉#评估与监控#Agent

求职指南·求职

大模型应用开发岗和算法岗有什么区别、普通工程师怎么选

匹配正文：…更靠近业务系统和用户结果。两者都重要,但日常问题完全不同。维度大模型算法岗大模型应用开发岗核心产出更好的模型、训练策略、评估方法可上线的大模型应用、RAG/Agent 系统、业务流程自动化日常关键词 SFT、DPO、RLHF/GRPO、数据配比、loss、benchmark API、RAG、Agent、工具调用、检索、评估、延迟、成本面试重点数学基础、论文理解、训练细节、实验设计项目深挖、系统设计、工程取舍、真题口述简历筛选硕博、论文、竞赛、模型训练经…

#求职#职业转型

求职指南·求职

后端工程师转大模型应用开发:已有经验怎么迁移

匹配正文：…戳就破的做法:把简历里「基于 Spring Boot 的订单微服务」的标题直接改成「大模型订单智能系统」,技术栈后面加上 LLM、RAG 几个词,项目内容一个字没动就投出去。这为什么没用?因为标题骗得过关键词筛选,骗不过追问。面试官一句「你这个 RAG 是怎么切块的、召回率多少、Prompt 迭代了几版、怎么评估效果的」,就把整个包装戳穿了——你讲不出检索链路、讲不出评估方法、讲不出 Prompt 迭代过程,因为你根本没做过。而且这种「露馅」比诚实写「我是后端,大模型项目做…

#求职#职业转型

求职指南·求职

大模型简历怎么写:项目怎么描述、怎么量化、怎么防追问

匹配正文：…维度(为谁解决什么)、结果维度(用什么指标证明有效)。三维齐全、数字可追问,面试官才信你真做过,一面才不会穿。反过来,只写"熟悉 RAG / Agent / LangChain"而没有一个场景、一个数字,HR 和面试官都无法判断你是做过还是背过,直接归到"背名词"那一档。作者:吴师兄 | 适合:准备投大模型岗、卡在项目怎么写的在校生和转行后端 | 前置:手上已有或正在做一个 RAG / Agent 项目为什么大模型简历一写就穿:名词堆得越多越像假的结论先行:面试官不看你…

#求职#职业转型

面试题·评估· 淘天

偏好感知系统架构怎么选?

匹配标题与标签：偏好感知系统架构怎么选? 训练数据构建、模型架构选择与对话质量评估方法评估淘天偏好感知对话系统对话系统训练数据对话质量评估淘天

#淘天#偏好感知对话系统#对话系统训练数据

专业领域 RAG 链路怎么搭?

RAG 问答金标构建

附录:把这个 RAG 项目写进简历 & 面试应答

RAG文本向量化：分块与嵌入陷阱

多路召回评估指标与RAG场景

RAG 检索与生成评估

RAG 评估：检索、生成与端到端指标

Agent/RAG 评估体系怎么搭?

RAG向量化：分块与Embedding

RAG 评测优化闭环

RAG 评估指标与迭代陷阱

RAG 失败场景诊断

RAG Embedding 模型怎么选?

高精度RAG系统设计陷阱

大模型应用开发学习路线

长文档 Chunking 怎么选?

Prompt 怎么系统设计与优化?

大模型应用开发岗和算法岗有什么区别、普通工程师怎么选

后端工程师转大模型应用开发:已有经验怎么迁移

大模型简历怎么写:项目怎么描述、怎么量化、怎么防追问

偏好感知系统架构怎么选?