知序
返回
保存草稿
发布
H1
H2
H3
1
2
3
Excalidraw 图
AI 写作
AI 优化
目录
输入内容后显示目录
Markdown
# RAG 高频面试题集(25 题) > 导读:本文从"RAG 面试到底会考什么、该按什么顺序准备"这个具体痛点出发,把 25 道高频面试题按"基础概念 → 文档处理与向量化 → 检索与召回 → 生成与评估 → 工程与优化"五章逐题拆解,每题都遵循"结论先行 → 为什么 → 证据/要点"的答法,并附上常见追问,最后给出复习建议与思考题。适合准备 RAG / 大模型应用岗面试的同学。 RAG = Retrieval-Augmented Generation,检索增强生成。面试高频聚焦在原理、向量化、检索、Rerank、评估、工程化。答题总原则:**先给结论(一句话),再讲为什么,最后补一句工程取舍**。 ## 一、基础概念(第 1 章,5 题) > 本章是"敲门砖":面试官用这 5 题快速判断你**是背过概念还是真做过**。答题要诀是"定义 + 解决了什么 + 边界在哪",尤其别漏掉"不适合的场景"。 ### Q1:什么是 RAG?解决了什么问题? **结论先行**:RAG(Retrieval-Augmented Generation,检索增强生成)是在让 LLM(大语言模型)生成答案前,先从外部知识库**检索**相关上下文,一起喂给 LLM。 **它解决的问题**: 1. **知识陈旧**:LLM 训练数据有截止日期,RAG 可以注入新数据。 2. **幻觉**:LLM 会瞎编,RAG 提供事实依据。 3. **领域专业性不足**:通过检索接入私有知识。 4. **长文档无法塞进上下文**:只检索相关部分。 5. **可追溯**:答案能给出来源引用。 **一句话记忆**:RAG 就是"给 LLM 开卷考试"——不让它凭记忆答题,而是先发资料再答。 **常见追问**:RAG 和"把文档直接塞进长上下文"有什么区别?答:RAG 是"按需检索、只取相关",长上下文是"全量塞入"。前者受限于检索质量但成本可控,后者省了检索但受窗口长度限制、且成本随文档量上升。 ### Q2:RAG 的基本流程? **结论先行**:分离线、在线两段,离线建索引,在线做问答。  *图:RAG 离线建索引与在线检索生成的两条链路* ```text 离线:文档 → 切分(chunk)→ 向量化(embedding)→ 入库(向量数据库) 在线: 用户问题 → 向量化 → 向量检索(top-K)→ 组装 prompt → LLM → 生成答案 ↑ (可选)Rerank 精排 ``` **要点**:离线是一次投入、多次复用;在线每次请求都要走一遍。Rerank(重排序)是可选增强环节,用来把初步检索的 Top-K 精排得更准。 **常见追问**:离线索引为什么要和在线查询拆开?答:两者诉求相反——离线要高吞吐、可异步、可重试;在线要低延迟、高可用。拆开后通过向量数据库连接,互不阻塞。 ### Q3:RAG 和微调(Fine-tuning)的区别? **结论先行**:RAG 管"知识",微调管"行为",两者可以结合。 | 对比 | RAG | Fine-tuning | |------|-----|-------------| | 知识更新 | 实时(改知识库) | 慢(要重训练) | | 成本 | 低 | 高(GPU、数据) | | 可追溯 | 可引用源 | 黑盒 | | 风格迁移 | 弱 | 强 | | 推理能力 | 不改变 | 可以增强 | **怎么选**: - 需要注入大量知识 → RAG - 需要改变风格、格式、能力 → Fine-tuning - 两者可以结合 **常见追问**:为什么不一开始就"微调 + RAG"一起上?答:可以,而且常见;但要分清分工——微调负责让模型"会说"(风格、格式、拒答),RAG 负责让模型"知道"(事实、时效)。建议先确认单点方案不够用,再叠加,避免一上来就绑死、调不动。 ### Q4:RAG 适合什么场景? **结论先行**:凡是"答案依赖外部权威知识、且知识会变"的场景都适合。 - **企业知识库问答**:内部文档、手册 - **客服**:FAQ、工单 - **法律、医疗**:对权威信息依赖强 - **代码问答**:检索相关代码片段 - **最新信息问答**:新闻、论文 **常见追问**:这些场景有什么共性?答:两个共性——(1)答案不由模型"推理"得出,而是"存在于某处";(2)知识会更新或属于私有数据。只要满足这两点,RAG 就比微调更合适。 ### Q5:RAG 不适合什么场景? **结论先行**:答案是"纯靠推理得出、或不需要事实依据"的任务,检索帮不上忙。 - **纯推理任务**:数学、逻辑推理,检索帮不上 - **创意生成**:不需要事实依据 - **超短问答**(计算器类) - **时效性极强 + 检索源更新慢** **常见追问**:为什么数学推理不适合 RAG?答:因为答案不在任何文档里,而是由计算/推导产生。检索能给的是"参考知识",给不了"这一步的计算结果"——这类任务更适合工具调用(代码解释器)而非检索。 ## 二、文档处理与向量化(第 2 章,6 题) > 本章考的是"基本功":分块、Embedding、相似度。很多候选人能说出名词却说不出参数区间和取舍,这一章最容易拉开差距。 ### Q6:文档怎么切分(Chunking)? **结论先行**:五种策略,从"简单粗暴"到"尊重语义"依次递进。 **切分策略**: 1. **固定长度**:按字符数 / token 数切(简单但可能截断语义) 2. **按句子 / 段落**:尊重语义边界 3. **递归切分**:先按大分隔符(段落)切,太大再按小的切(LangChain 的 `RecursiveCharacterTextSplitter`) 4. **按语义**:借助句子相似度判断切分点 5. **按结构**:Markdown 按标题层级、代码按函数 **关键参数**: - **chunk_size**:通常 200-1000 token - **overlap**:相邻 chunk 重叠(防止信息被切断),通常 10-20% **常见追问**:overlap 为什么必要?答:因为分块边界是硬切的,答案可能正好跨在两块之间。overlap 让相邻块共享一部分内容,保证"完整答案至少出现在其中一块里"。 ### Q7:chunk_size 怎么选? **结论先行**:太小碎片化、太大噪音多。经验值:通用文档 300-500、代码 200-400、法律文书 500-800。 **太小(< 100 token)**: - 上下文缺失 - 检索碎片化 **太大(> 1500 token)**: - 噪音多 - 检索精度下降 - 占用上下文窗口 **经验值**: - 通用文档:300-500 - 代码:200-400 - 法律文书:500-800 实际根据召回测试调整。**注意**:这些是经验区间,真实最优值必须用你自己的数据实测。 **常见追问**:怎么判断当前值偏大还是偏小?答:看两类失败样例——若常见"答案被截断、语义不完整",说明偏小;若常见"召回了相关文档却答非所问、噪声多",说明偏大。判断时可结合 Context Recall 与 Context Precision 一起看。 ### Q8:什么是 Embedding? **结论先行**:Embedding(嵌入)是把文本 / 图片映射成向量(数值数组),让语义相似的内容距离近。 **特点**: - 通常几百到几千维(768、1024、1536 等) - 同义句、同主题距离近 - 基于 Transformer 编码器训练(BERT、Sentence-BERT、OpenAI ada) **一句话记忆**:Embedding 就是"把语义变成坐标",坐标近就是意思近。 **常见追问**:Embedding 和 LLM 是一回事吗?答:不是。Embedding 模型通常是编码器结构,只负责"把文本变向量",不生成文字;LLM 负责生成。RAG 里两者分工:Embedding 管检索,LLM 管答题。 ### Q9:常见 Embedding 模型对比? **结论先行**:商用首选 OpenAI,中文场景首选 BGE / M3E / GTE,经典可本地跑的是 Sentence-BERT。 | 模型 | 维度 | 优点 | |------|------|------| | **OpenAI text-embedding-3-small/large** | 1536/3072 | 通用、效果好 | | **Cohere embed** | 可调 | 多语言好 | | **BGE(智源)** | 512/1024 | 中文强、开源 | | **M3E** | 768 | 中文 | | **GTE** | 768 | 阿里开源 | | **Sentence-BERT** | 768 | 经典、本地跑 | **中文场景**:BGE、M3E、GTE 都不错 **多语言**:OpenAI、Cohere、multilingual-e5 **常见追问**:维度越高越好吗?答:不一定。维度高通常表达力更强,但存储与检索成本也更高(向量更大、距离计算更慢)。选型要综合语言支持、领域效果与成本,而不是只看维度。 ### Q10:向量相似度怎么算? **结论先行**:三种算法,主流用余弦相似度;做了 L2 归一化后,点积等价于余弦。 - **余弦相似度**(主流):方向相似度,值域 [-1, 1] - **欧氏距离**:距离越小越相似 - **点积**:向量归一化后等价于余弦 通常 embedding 会做 L2 归一化,这时**点积 = 余弦**,计算更快。 **常见追问**:为什么很多向量库默认用内积而不是余弦?答:因为向量都做了 L2 归一化后,内积与余弦等价,而内积少了两步求模运算,更快。前提是"确实做了归一化",否则两者不等价。 ### Q11:稀疏向量和稠密向量? **结论先行**:稠密懂语义,稀疏(BM25)懂关键词,两者互补,所以工程上常用混合检索。 **稠密向量(Dense)**: - 几百上千维,每维都有值 - 捕获语义 **稀疏向量(Sparse)**: - 高维(几万维),大部分为 0 - 代表:TF-IDF、BM25 - 捕获关键词匹配 **混合检索(Hybrid)**: - 稠密(语义相近) + 稀疏(精确关键词) - 两者互补,效果更好 **常见追问**:为什么稀疏检索到现在还不过时?答:因为它对"专有名词、编号、代码标识符"这类精确匹配特别强,而向量检索在这些字面精确性上反而不稳。两者互补,是混合检索长期存在的根本原因。 ## 三、检索与召回(第 3 章,6 题) > 本章是"分水岭":能讲清 ANN、Hybrid、Rerank 的原理与取舍,说明你真正搭过检索链路,而不是只会调 API。 ### Q12:向量数据库有哪些? **结论先行**:轻量选 Chroma / PgVector,大规模生产选 Milvus / Qdrant / Pinecone,已有 ES / PG 就复用。 | 数据库 | 特点 | |--------|------| | **Milvus / Zilliz** | 开源/云,规模大 | | **Pinecone** | SaaS,易用 | | **Weaviate** | 开源,内置混合检索 | | **Qdrant** | Rust 写,性能好 | | **Chroma** | 轻量、开发友好 | | **PgVector** | PostgreSQL 插件 | | **ElasticSearch 8+** | 传统搜索 + 向量 | | **Redis Stack** | 内置 vector search | **选择**: - 小规模 / 轻量 → Chroma、PgVector - 生产大规模 → Milvus、Qdrant、Pinecone - 已有 ES/PG → 复用,降低运维 **常见追问**:选型时最该看什么?答:看三点——数据规模(决定是否必须分布式)、现有技术栈(能否复用 ES / PG 降低运维)、是否原生支持混合检索(决定你还要不要额外造轮子)。 ### Q13:ANN(近似最近邻)算法? **结论先行**:精确最近邻在高维空间太慢,所以用 ANN 近似;HNSW 是主流,因为召回率高、查询快、不用训练。 精确最近邻在高维空间非常慢,用 **ANN**(Approximate Nearest Neighbor,近似最近邻)算法: - **HNSW**(Hierarchical Navigable Small World,主流) - 分层图结构,跳跃查找 - Milvus、Qdrant、Weaviate 默认 - **IVF**(Inverted File):聚类 + 倒排 - **PQ**(Product Quantization):向量压缩 - **IVF-PQ**:IVF + PQ 组合,省空间 **HNSW 为什么流行**:召回率高、查询快、不用训练。 **常见追问**:ANN 会损失精度吗?答:会。ANN 本质是"用少量召回损失换大幅速度提升",所以是近似而非精确。实践中可通过调大搜索范围(如 HNSW 的搜索深度参数)在速度和召回之间权衡。 ### Q14:Hybrid Search 怎么做? **结论先行**:稠密 + 稀疏各取 Top-K,用 RRF 融合再重排。 **混合检索 = 稠密 + 稀疏** ```text 1. 分别用 Embedding 和 BM25 各取 Top-K 2. 用 RRF(Reciprocal Rank Fusion)合并分数: score = sum(1 / (k + rank_i)) # 通常 k = 60 3. 重排后取 Top-N ``` **Weaviate、ElasticSearch 8+、Qdrant** 都原生支持 Hybrid Search。 **为什么用 RRF 而不是直接加分数**:因为两种检索的分数量表不同(一个余弦相似度、一个 BM25 分),不能直接相加;RRF 只看排名,天然可比。 **常见追问**:RRF 里的 k=60 是必须的吗?答:不是,它是一个经验平滑常数,作用是让排名靠前的差距不至于过分离散。实际取值可结合效果调,不必迷信固定值。 ### Q15:Rerank 是什么?为什么需要? **结论先行**:初次检索的相关性和排序不一定一致,Rerank 用更强的 Cross-Encoder 重新打分精排。 **问题**:初次检索(向量 + BM25)返回的 Top-K 内,相关性不一定和排序一致。 **Rerank**:用更强的模型(Cross-Encoder)重新打分 - **Bi-Encoder**(初检):问题和文档分别编码,算相似度 → 快但精度一般 - **Cross-Encoder**(精排):问题和文档拼起来一起编码 → 精度高但慢 **常见 Rerank 模型**: - **Cohere Rerank**(API) - **BGE-reranker**(开源,中文强) - **bge-m3**(多模态/多语言) **典型流程**:向量检索 Top-100 → Rerank → Top-10 → 塞 LLM **为什么分两级**:Cross-Encoder 太慢,不能对全库跑,只能对少量候选精排。 **常见追问**:既然 Cross-Encoder 更准,为什么不直接拿它做全量检索?答:因为它要对"每个问题—文档对"单独做一次前向计算,无法像 Bi-Encoder 那样预先算好文档向量,全库打分在延迟上不可接受,所以只能做小候选集的精排。 ### Q16:检索召回率低怎么办? **结论先行**:先定位是"切分、模型、分布、过滤"哪一类问题,再对症优化(Query 改写、HyDE、Multi-query、元数据过滤、换模型、加 Rerank)。 **排查**: 1. **文档切分不合理**:chunk 太小信息缺失,太大噪音多 2. **Embedding 模型不匹配**:领域不合适(通用模型 vs 中文法律) 3. **查询和文档分布差异大**:训练数据 vs 实际 query 4. **没做 metadata 过滤**:不必要的噪音进来 **优化**: - **查询改写(Query Rewriting)**:用 LLM 改写问题 - **HyDE**(Hypothetical Document Embeddings):让 LLM 先生成假设答案,用答案的 embedding 检索 - **Multi-query**:一个问题生成多个变体分别检索 - **Metadata 过滤**:先按时间、类别筛选 - **换 Embedding 模型** - **增加 Rerank** **常见追问**:换模型成本高,有没有更便宜的优先项?答:先做零成本排查——检查分块是否切断答案、能否补元数据过滤、能否加 Query 改写。这些不改模型就可能显著提升召回,性价比高于一上来就换模型。 ### Q17:长文本怎么处理? **结论先行**:两条路——分层索引(先摘要后细节)和父子 Chunk(小块检索大块返回)。 **分层索引**: - 总-分结构:先存摘要,再存细节 - 先用摘要检索定位文档,再查细节 chunk **父子 Chunk**: - 存细粒度 chunk(向量化精度高) - 返回时附带父 chunk(上下文更完整) **常见追问**:父子 Chunk 为什么能同时提升"准"和"全"?答:因为检索用的是小块(向量表征聚焦、精度高),但最终喂给 LLM 的是它所属的大块(上下文完整)。两件事解耦,各取所长。 ## 四、生成与评估(第 4 章,4 题) > 本章考"可信度":Prompt 怎么写、幻觉怎么治、指标怎么选。能说出 Faithfulness 与 Context Recall 的分工,基本就过关了。 ### Q18:Prompt 怎么组装? **结论先行**:System 里写清"只基于文档回答、没有就说不知道、不要瞎编",再拼上检索到的 Top-K chunk 和用户问题。 ```text system: 你是一个助手,回答基于以下文档,如果文档里没有就说不知道,不要瞎编。 文档: [检索到的 Top-K chunk] 用户问题:{query} ``` **要点**: - 明确说明"只基于文档",降低幻觉 - 让 LLM **引用来源**(返回 chunk 编号) - 不知道时要诚实地说不知道 **常见追问**:为什么要让模型"引用来源"?答:一箭双雕——对外提升可信度、可追溯;对内本身就是一种约束,模型被要求"说出依据在哪",就更不敢随口编造。 ### Q19:RAG 怎么评估? **结论先行**:分检索指标和生成指标两类;工具有 RAGAS、LlamaIndex Evaluator、TruLens。 **检索指标**: - **Recall@K**:Top-K 里是否包含正确答案 - **MRR(Mean Reciprocal Rank)**:正确答案的平均倒数排名 - **NDCG**:考虑排序的相关性 **生成指标**: - **Answer Correctness**:答案正确性 - **Answer Relevance**:答案相关性 - **Faithfulness**:忠实度(是否基于提供的文档) - **Context Precision**:检索的上下文相关度 - **Context Recall**:所有需要的上下文是否都检索到 **工具**: - **RAGAS**:开源评估框架 - **LlamaIndex Evaluator** - **TruLens** **常见追问**:没有标准答案(ground_truth)能评估吗?答:能,但要放弃"和标准答案对比"类指标(如 Context Recall、Answer Correctness),只保留 Faithfulness、Answer Relevance 这类不依赖 GT 的指标。 ### Q20:怎么缓解幻觉? **结论先行**:五招组合——强约束 Prompt、返回来源、Rerank 过滤、拒答策略、自检。 1. **明确的 prompt**:严格要求基于文档 2. **返回来源**:可追溯、可验证 3. **Rerank + 过滤**:低相关度的 chunk 不给 LLM 4. **拒答策略**:置信度低时返回"不知道" 5. **多步推理 + 自检**:让模型自己 check 答案 **常见追问**:把 temperature 降到 0 就能消除幻觉吗?答:不能。temperature=0 只降低随机性,模型仍可能编造。要根治得靠"强制基于文档 + 拒答策略 + 后处理验证"的组合。 ### Q21:怎么处理"文档里没答案"的情况? **结论先行**:三层防线——Prompt 允许说不知道、相似度阈值拒答、兜底到其他渠道。 - Prompt 明确指示:没答案就说不知道 - 设置**相关性阈值**:Top-1 分数过低直接拒答 - 返回 fallback(人工客服、搜索建议) **常见追问**:拒答会不会让用户觉得"系统很笨"?答:会有一部分这种观感,但"诚实地拒答"远比"自信地编造"代价小。降低这种观感的办法是——拒答时同时给出"最接近的几段原文",把"不知道"变成"我找到这些,你看看是不是你要的"。 ## 五、工程与优化(第 5 章,4 题) > 本章考"落地能力":瓶颈在哪、怎么省钱、多轮怎么办、前沿怎么理解。区分"做过 Demo"和"做过生产"的关键就在这里。 ### Q22:RAG 的性能瓶颈在哪? **结论先行**:LLM 生成是绝对大头(1-10s),所以要优先做流式输出和缓存。 典型链路耗时: ```text Embedding query:20-50ms 向量检索:10-100ms(取决于库大小) Rerank:100-500ms LLM 生成:1-10s(大头) ``` **优化**: - Embedding / Rerank:本地部署 + 批处理 - 向量检索:分片 + 索引优化 - LLM:**流式返回**(边生成边展示) - 缓存:重复问题走缓存 **常见追问**:除了流式,还有哪些"用户体感"层面的优化?答:思路是"让用户尽早看到东西"——例如先展示检索到的原文片段(边检索边呈现),再逐步生成答案。体感上"已经有内容出来"远好于"白屏等待"。 **注意**:上面是典型量级,真实数字随模型、网络、数据规模变化,**需结合你的环境实测确认**。 ### Q23:RAG 缓存策略? **结论先行**:三级缓存——完全匹配、语义缓存、检索结果缓存;最大风险是语义缓存"答非所问"。 **三级缓存**: 1. **完全匹配缓存**:原文 query → 答案 2. **语义缓存**:query 的 embedding 相似度 > 阈值 → 返回已有答案 3. **检索结果缓存**:Top-K chunk 缓存,避免重复检索 **坑**: - 语义缓存可能"答非所问"(两个意思相近但细节不同的问题) - 加入置信度校验 **常见追问**:三级里哪一级风险最高?答:语义缓存。它不要求字面完全一致,最容易把"相似但细节不同"的问题误判为同一问题,必须配置相似度阈值与置信度校验。 ### Q24:多轮对话怎么处理? **结论先行**:核心是解决指代问题,主流做法是"让 LLM 基于历史把当前 query 改写成独立问题"再检索。 **问题**:用户第二轮"那它的价格呢?" → "它"指代前文 **解决**: 1. **上下文压缩**:把前 N 轮对话压缩成摘要 2. **独立问题生成**:让 LLM 基于历史 + 当前 query 生成一个独立问题,再用它检索 3. **历史作为上下文**:把历史也塞给 LLM(注意上下文窗口) **常见追问**:为什么不能直接把整个历史都塞给 LLM 让它自己理解?答:可以,但有两个问题——历史越长越贵,且长上下文中段信息容易被忽略(Lost in the Middle)。所以要先"压缩 + 改写",而不是无脑堆历史。 ### Q25:Agentic RAG 是什么? **结论先行**:把"固定的检索→生成链路"变成"Agent 自主决定要不要检索、检索几次、用不用工具"。 传统 RAG 是**固定链路**(检索 → 生成),Agentic RAG 让 Agent 自己决定: - 要不要检索? - 检索哪个库? - 一次还是多次? - 需不需要工具(计算器、SQL)? - 结果满意吗?要不要重新检索? **实现**:基于 Function Calling 或 ReAct 模式,LLM 自主规划。 **优点**:灵活,能应对复杂问题 **缺点**:链路长,成本高,不稳定 **常见追问**:什么场景不该用 Agentic RAG?答:问题简单、链路固定的场景(如 FAQ 问答)不该用——Agent 带来的规划开销与不确定性,会让本该"又快又稳"的简单问答变得又慢又不稳。它是为复杂问题准备的,不是默认选项。 ## 复习建议与答题要点 结论先行:这 25 题不是孤立的,而是沿着"**是什么 → 怎么切 → 怎么算 → 怎么找 → 怎么排 → 怎么答 → 怎么评 → 怎么优化**"一条线展开。 复习时可以按这条主线自测:  *图:面试考察地图:五个主题与要说清的点* ```text 基础概念(Q1-5) → 说清 RAG 解决什么问题、边界在哪 文档与向量化(Q6-11) → 说清分块、Embedding、相似度 检索与召回(Q12-17) → 说清库选型、ANN、Hybrid、Rerank、召回优化 生成与评估(Q18-21) → 说清 Prompt、评估指标、幻觉治理 工程与优化(Q22-25) → 说清瓶颈、缓存、多轮、Agentic ``` 几个答题加分点: 1. **每题先给一句话结论**,再展开,别一上来就讲细节。 2. **主动说取舍**:比如增大 Top-K 提召回但增延迟和成本。 3. **区分"经验值"和"事实"**:chunk_size、延迟量级都是经验参考,说清"需结合版本/环境确认"。 4. **能串起链路**:把"检索召回低"和"Rerank"、"幻觉"和"Faithfulness"这些考点连起来讲。 5. **知道边界**:Q5(不适合场景)、Q25(Agentic 的缺点)这类"反向题"最能体现理解深度。 **答题禁忌**(面试中常见的扣分点): ```text ✗ 只答"是什么",不说"为什么"和"代价" ✗ 把经验值说成绝对事实(如"chunk_size 必须 512") ✗ 把 RAG 吹成万能(说不出不适合的场景) ✗ 只谈算法,不谈工程(缓存、监控、增量更新一问三不知) ✗ 一个方案被质疑就立刻否定自己(应该给出取舍论证) ``` ## 综合串讲(一道必被问到的综合题) 如果面试官说"**完整讲一遍 RAG**",可以用下面这个框架组织(它不属于前面 25 题,是为了帮你把 25 题串起来): **结论先行**:RAG = 离线建索引 + 在线做问答,核心矛盾是"检索准不准"与"生成忠不忠实"。  *图:面试口述五段式提纲:是什么、怎么做、怎么衡量、怎么落地* ```text 一、是什么(30 秒) RAG 是给 LLM 开卷考试:先检索外部知识,再让模型基于资料回答。 解决知识陈旧、幻觉、私有数据、长文档塞不下、可追溯五个问题。 二、怎么做(1 分钟) 离线:文档 → 分块 → Embedding → 向量库 在线:问题 → Embedding → 检索(稠密+稀疏)→ Rerank → Prompt → LLM 三、怎么做好(1 分钟) 检索侧:混合检索 + Reranker + Query 改写 + 元数据过滤 生成侧:只基于文档 + 引用来源 + temperature=0 + 拒答策略 四、怎么衡量(30 秒) 检索:Recall@K / Precision@K / MRR 生成:Faithfulness(最重要)/ Answer Relevancy / Context Recall 工具:RAGAS 自动评估 + 人工抽检 + 用户反馈 五、工程怎么落地(30 秒) 缓存(语义缓存)+ 异步索引 + 增量更新 + 监控告警 ``` 这样组织的好处是:**先给结论、再分环节、最后落到工程与度量**,面试官无论从哪个点切入追问,你都有一个稳定的框架可以回。 **常见打断点**:面试官最常在这三处打断——"为什么用向量检索而不是只用关键词"(答:语义泛化能力 + 混合互补)、"Rerank 为什么有效"(答:Bi-Encoder 精度不足,Cross-Encoder 联合编码更准)、"怎么证明你的改动有效"(答:建立评估集 + 单变量对比)。提前准备好这三个反问的答案,能显著提升应答流畅度。 ## 小结 - **第 1 章(基础概念)**:RAG 的定义、流程、与微调的区别、适用与不适用场景。 - **第 2 章(文档处理与向量化)**:分块策略与 chunk_size、Embedding 原理与模型对比、相似度算法、稀疏 vs 稠密。 - **第 3 章(检索与召回)**:向量数据库选型、ANN 算法、Hybrid Search、Rerank、召回优化、长文本处理。 - **第 4 章(生成与评估)**:Prompt 组装、评估指标与工具、幻觉缓解、无答案处理。 - **第 5 章(工程与优化)**:性能瓶颈、三级缓存、多轮对话、Agentic RAG。 - 全篇 25 题一条主线:**是什么 → 怎么切 → 怎么算 → 怎么找 → 怎么排 → 怎么答 → 怎么评 → 怎么优化**。 - 五章覆盖从"概念边界"到"工程落地"的完整链路,复习时建议按章推进、不要跳跃。 - 全篇答题统一遵循"结论先行 → 为什么 → 要点 → 常见追问"的结构,复述任一题时按这条主线展开即可。 - "综合串讲"框架可作为"完整讲一遍 RAG"这道综合题的答题模板。 ## 思考题 1. 25 题里哪几题的答案可以互相印证?请找出至少三组"一组答错另一组也会受影响"的题。 2. 如果面试官追问"你们线上 RAG 的 Faithfulness 是多少、怎么测的",你会怎么组织回答? 3. 为什么 Q5(RAG 不适合的场景)和 Q25(Agentic RAG 的缺点)这类"反向问题"更容易拉开差距? 4. 如果把 Q22(性能瓶颈)和 Q23(缓存策略)合并成一道"怎么让 RAG 又快又省"的综合题,你会怎么重新组织答案?
预览
发布文章
添加摘要让读者更快了解文章内容
取消
确认发布
AI 写作助手
输入一个主题,AI 将为你生成一篇 Markdown 博客文章
AI 正在写作中...
取消
开始生成
AI 优化助手
描述你的修改需求,AI 将在原文基础上进行补充或微调
AI 正在优化中...
取消
开始优化
画布
从已有图里选
✕
图名
保存后生成 /images/excalidraw/<图名>.svg(只能用字母、数字、短横线、下划线、点)
取消
保存并插入