向量检索面试题大全

向量检索是 RAG 的底座。真正的面试追问会从“怎么存向量”一路问到“怎么分块、怎么建索引、怎么评估召回、为什么这条没有召回”。这页把检索底层问题串起来。

配套教程

• RAG 教程第 4 章：Embedding 选型与向量库索引
• RAG 教程第 3 章：文档分块与解析流水线

知识模块

Embedding、向量数据库与 ANN 索引

• Embedding、向量数据库与 ANN 索引

文档解析、Chunking 与元数据

• 文档解析、Chunking 与元数据

常见问题

向量检索面试怎么准备最高效？

先把 Embedding、相似度、ANN 索引、Chunking 和召回评估这五件事串起来，再用一个 RAG 项目讲出调参和 badcase 过程。

Chunk 大小有没有标准答案？

没有。要按文档结构、问题粒度和评估集试出来。面试里能讲出实验方法，比报一个固定数字更靠谱。

向量数据库选型要讲哪些维度？

常见维度是索引类型、过滤能力、更新频率、吞吐延迟、运维成本、权限隔离和生态集成。不要只比较名字。

继续学习

• 用 30 行代码跑通你的第一个最小 RAG
• RAG 面试题大全与知识体系