匹配正文：…. 查询澄清（Query Clarification）当query模糊时，先让模型生成澄清问题，获取用户反馈后再检索适合对话式RAG，首轮交互确定意图 4. 伪相关反馈（Pseudo-Relevance Feedback）首轮检索Top-K结果，提取关键词扩展原query，做二次检索二、提示词构建要点 1. 上下文组织 - 按相关性排序文档，高分在前 - 去重：相同内容只保留一份 - 截断策略：优先保留开头/结尾，中间用"..."省略 - 元信息标注：来源、时间、可信…

#百度#小鹏#美团

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：…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参考答案仍然不够？Recall@K、MRR 和 Faithfulness 又分别在评估哪一层？只回答“让大模型生成一批 QA，再算准确率”，通常会暴露更多问题：自动生成的问题是不是只会复述原文？没有正确证据位置，…

第 1 / 4 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

#RAG#评测与上线#RAG 评测集

面试题·评估· 安克科技

RAG 问答金标构建

匹配口述回答：这道题其实是在问，怎么造一套靠谱的数据来评估[[RAG]]系统好不好用，而不是随便找几个问题测测就完事。我一般会从三个层面来构建评估集：开发集、测试集和对抗集。开发集大概500到1000条，用来迭代调优，比如调 chunk 大小或者 rerank 阈值；测试集1000到3000条，做最终对比评测；对抗集200到500条，专门挑高难度、容易翻车的场景，比如需要多跳推理或者要回答“不存在”。三层分开，避免调参时过拟合到测试数据上。先说问题怎么来。我倾向于混合策略，大概70%用 …

#安克科技#评估与监控#RAG 问答金标构建

面试题·模型微调· 字节

领域 RAG 知识库构建

匹配正文：答案要点数据清洗与分块策略设计 Embedding模型选型与微调考量多路召回与重排序的检索架构大模型Prompt工程与上下文压缩端到端评估指标与迭代优化闭环一、数据准备：质量决定天花板数据清洗去重、去噪、格式标准化（PDF/Word/网页解析）领域术语词典构建，确保专业概念不被错误分词分块策略（关键！）按语义切分优于固定长度：用BERT-based句子嵌入判断边界领域特性：医学/法律需保留完整条款上下文，代码按函数/类切分块大小与重叠窗口都作为候选变量…

#字节#领域 RAG 知识库构建#领域 RAG 知识库怎么建？数据处理、索引与检索

面试题·Prompt· 字节

RAG Generator 怎么构造 Prompt?

匹配题目：在RAG系统中，生成模块（Generator）如何有效整合检索到的上下文信息来构建输入Prompt，并驱动大模型生成准确、连贯的答案？请详细说明Prompt构造的关键要素及其对生成质量的影响机制。

#字节#Prompt工程#RAG Generator Prompt

面试题·检索· 百度

RAG Query 改写方法

匹配题目：在RAG系统中，如何设计有效的查询改写策略？以及在检索到相关文档后，如何构建合适的提示词来指导大模型生成准确答案？

#百度#小鹏#美团

面试题·模型微调· 科大讯飞

Prompt 怎么设计和优化?

匹配正文：…真实数据】。最终指标【】从【真实基线】到【真实结果】，同时【延迟/token/成本】变化【】，观察窗口【】。证据自检能否提供 Prompt 版本 diff、固定测试集、失败样本、实验配置、统计波动和回滚记录？如果同时更换模型、数据和 Prompt，就不能把结果全部归因于 Prompt。追问入口准备解释示例如何选择、上下文污染如何防止、结构化输出是否真正受约束、评测器偏差、提示注入、长上下文成本，以及何时应改用微调或 RAG。

#科大讯飞#阿里#模型微调

面试题·Prompt· 阿里

Prompt 系统设计原则与技巧

匹配追问：…款手机续航怎么样？’只回一句不够，你打算怎么设计prompt让模型既能给出参数，又能对比竞品，最后还推荐配件？层层追问你平时写prompt一般注意什么？……如果模型输出总是不符合格式，你会怎么调整？……那再进阶一点，比如让它做多步推理，你会用什么技巧来保证准确性？直球架构请系统地讲一下构建有效prompt的原则、常用技巧比如few-shot和思维链，以及在RAG或Agent场景下有什么特别的考虑？

#阿里#Prompt工程#Agent

面试题·检索· 字节

专业领域RAG链路优化陷阱

匹配正文：…关性和事实准确性（医疗用人工医生标注）迭代闭环：错误案例回流，持续微调Embedding和Reranker 学习建议建议先掌握RAG基础流程，再结合垂直领域特点学习文档分块、向量检索、重排序模型和提示工程，多参考医疗/法律类RAG实战案例。

#字节#重排与优化#RAG 链路优化

面试题·检索· AIlab

RAG 流程各环节优化陷阱

匹配正文：…mbedding模型、重排序、查询优化等）能区分不同优化手段的适用场景和收益体现对实际落地问题的理解（如多轮对话、长尾查询） RAG核心流程 1. 索引构建阶段文档解析（PDF/Word/网页等格式处理）文本分块（Chunking）向量化（Embedding）存储到向量数据库 2. 检索阶段查询向量化相似度检索（Top-K召回）可选：重排序（Rerank） 3. 生成阶段上下文拼接（Prompt构造） LLM生成回答各环节优化手段环节优化手段关键收…

#AIlab#RAG链路优化#RAG 优化

面试题·检索· 字节

RAG 工作流怎么应对时效衰减?

匹配口述回答：这道题其实是在问，怎么让大模型既能拥有最新知识，又不会因为知识库过时而胡说八道。[[RAG]]的本质就是给大模型配一个外挂知识库，让它能实时查资料再回答。先说RAG的完整流程。用户提一个问题，我们先用 [[Embedding]] 模型把它转成向量，然后去[[向量数据库]]里做相似度检索，召回最相关的Top-K片段。这一步核心是从语义上匹配，不是关键词匹配。召回来后通常会加一个 [[Rerank]] 步骤，把最精准的排到前面，然后把这些片段和用户问题拼在一起，作为上下文送给大…

#字节#时间衰减检索#RAG 工作流程

面试题·RAG

RAG 已经能搜 PDF，为什么视频不能直接入库？

匹配正文：…画面，并分别回到对应时间和区域。面试官继续追问“怎样防止模型混淆两者”时，就可以回答：先在数据层保存来源类型与冲突状态，再在上下文构建时过滤未核验内容，而不是只靠提示词提醒模型小心。面试官追问：视频重新处理时，怎样避免旧字幕继续被搜到？视频处理规则更新后，不能只把新片段追加进索引。若旧字幕没有删除，用户可能同时搜到新旧两份证据；如果所有片段 ID 都随数组顺序变化，又会把一次局部修正变成整条视频的无差别替换。可以把视频文件版本、时间范围、内容摘要和处理版本作为片段身份的…

#RAG#解析与入库#视频 RAG

面试题·Agent

什么时候该用 Deep Research，而不是普通 RAG？复杂问题怎么分级路由？

匹配正文：…有时一项规定跨两个相邻段落，检索端仍可以扩展上下文。判断的重点是任务是否需要主动探索新的来源，而不是检索结果数量是不是一。普通 RAG 也不等于能力弱。对企业内部政策、说明书和制度问答，它往往更可控：知识范围明确，权限容易处理，延迟和成本更容易预测，测试集也更容易构建。面试时如果只说“简单问题用 RAG，复杂问题用 Deep Research”，面试官通常会继续问：“复杂到底怎么定义？” 这时要把“复杂”拆成能观察的任务特征。判断二：是否需要根据中间结果继续行动？有些…

#Deep Research#问题边界与研究闭环#Deep Research 分级路由

项目实战·RAG

第 2 章:RAG 整体架构

匹配正文：…做的,对应工程系统里的哪些职责? 教学函数对应工程系统的候选模块你写的 build_index = 字节、阿里、各家保险/医疗 RAG 里离线建库环节的入门版(它们会换成向量库 + 倒排索引); 你写的 retrieve = 工程系统的检索召回职责(可选向量检索、BM25 与重排,是否组合需评估); 你写的 assemble_context + answer = 上下文拼接 + 生成模块(换成 Prompt 工程 + 引用溯源 + 真·大模型)。顺便注意:输出里核辐射 …

#RAG#检索#项目实战

面试题·RAG

资料里没有答案时，RAG 怎么避免强行生成？

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 首字响应为什么慢？Embedding、检索和生成怎么逐段优化？

匹配正文：…召回和向量召回。两路之间没有结果依赖时，可以并行。第五步，融合候选并做 Rerank，然后按门槛和上下文预算截取证据。第六步，构建 Prompt，发送到模型服务。模型可能还要排队、加载上下文并完成预填充，之后才产生第一个 Token。第七步，通过流式协议把 Token 送到前端。 RAG 首字前的分段计时链路只有给每个阶段独立计时，才能知道优化应该落在缓存、检索、排序还是模型服务。这些步骤不是都能并行。检索需要 Query 或改写后的 Query，向量检索需要 Q…

#RAG#评测与上线#RAG 首字响应

面试题·RAG

一个可上线的 RAG 系统怎么拆？离线入库、在线问答和监控如何闭环？

匹配正文：…，以及用户反馈。 Trace 连接两层。每次请求使用一个 Trace ID，从网关一路串到 Query 处理、过滤、检索、重排、Prompt、模型和引用。线上出现错误答案时，可以先确认允许范围，再看正确证据是否进入候选，之后检查它有没有被截断，最后检查模型怎样使用原文。如果正确证据根本没找到，bad case 进入解析或检索回归集。如果证据已经在前面，模型仍然错答，则进入生成和引用回归集。可上线 RAG 的监控与反馈闭环线上 Trace 负责定位，bad case 回…

#RAG#评测与上线#RAG 系统设计

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：…，元数据过滤，自动扩缩容千万级+，生产环境 Milvus/Zilliz 开源/云原生，GPU加速十亿级索引优化： HNSW：构建多层图结构，查询复杂度O(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.simi…

#字节#文档处理#向量检索

面试题·文档处理· 京东

RAG 分块策略选型

匹配题目：在构建检索增强生成（RAG）系统时，如何设计文本分块（chunking）策略以平衡上下文的完整性和检索的精确性？有哪些常用的方法和权衡考量？

#京东#RAG 分块策略选型#RAG 文本分块策略怎么选？完整性与检索精度权衡

面试题·评估· 字节

专业领域 RAG 链路怎么搭?

匹配正文：…）稀疏关键词索引精准匹配 BM25 + 医学/法律专业词表知识图谱增强：抽取"疾病-症状-药品"或"法条-案例-解释"关系，构建实体链接三、检索策略多路召回 → 精排 → 重排：召回层：向量检索（Top-K）+ 关键词检索 + 图谱邻居扩展精排层：Cross-Encoder打分，过滤低相关片段重排层：按时效性、权威性加权；医疗优先临床指南，法律优先生效条文查询优化：识别专业术语缩写（如"心梗"→"心肌梗死"），扩展同义词四、生成优化 Prompt工程：强制…

#字节#RAG 全链路#RAG 技术链路

面试题·评估· 字节

医疗法律RAG：评估陷阱

匹配正文：…过速" 三、生成模型层（领域适配）基座选择：专业领域优先选已预训练模型（如Huatuo、LawGPT），或通用模型+领域SFT 检索增强生成：检索结果作为上下文注入Prompt 引用溯源：强制模型输出参考来源编号，支持可解释性安全机制：添加拒答策略（超纲问题、无可靠来源时），医疗场景必须设置"请咨询专业医师"风险提示四、评估机制（多维指标）维度指标方法检索质量 Recall@K、MRR 人工标注黄金文档集生成质量事实准确性（FactScore）、幻觉率领…

#字节#专业领域 RAG#RAG 系统设计

面试题·评估· 字节