RAG与知识库
「京东、字节Seed、字节跳动、腾讯、腾讯混元、阿里巴巴、阿里通义」
什么是RAG（检索增强生成）？请介绍其基本概念、动机、流程、模块，以及与传统检索+模型生成的区别。
RAG相比于微调解决什么问题？为什么选择RAG而不选择微调？
项目中做过哪些消融实验验证方案合理性？
RAG策略如何提升生成质量？
为什么大模型需要外挂（向量）知识库？使用外挂知识库主要为了解决什么问题？
为什么不用GraphRAG？
为什么不直接使用ds？
大模型在RAG中主要起什么作用？
原题完整原题
【RAG基本概念与动机】什么是RAG（检索增强生成）？请介绍其基本概念、动机、流程、模块，以及与传统检索+模型生成的区别。RAG相比于微调解决什么问题？为什么选择RAG而不选择微调？项目中做过哪些消融实验验证方案合理性？RAG策略如何提升生成质量？为什么大模型需要外挂（向量）知识库？使用外挂知识库主要为了解决什么问题？为什么不用GraphRAG？为什么不直接使用ds？大模型在RAG中主要起什么作用？ 「京东、字节Seed、字节跳动、腾讯、腾讯混元、阿里巴巴、阿里通义」
【检索后处理】检索完之后是直接输出给用户吗？请说明检索后处理流程。 「字节跳动」
原题【知识库规模】你的知识库数据量大概有多少？ 「腾讯」
原题【LangChain索引与检索器】LangChain中Indexes and Retrievers是什么？ 「百度、腾讯混元」
原题【RAGFlow框架】ragflow了解过吗? 「阿里巴巴」
原题【RAG pipeline】你在项目里有没有做过 RAG 里的“召回-过滤-生成”三段式 pipeline？ 「美团」
原题RAG 是什么，它和传统检索+生成的流程有何不同，
如何评估一个 RAG 系统是否 work，
以及如何提升生成质量？
原题完整原题
【RAG定义、与传统流程区别、评估与生成质量提升】RAG 是什么，它和传统检索+生成的流程有何不同，如何评估一个 RAG 系统是否 work，以及如何提升生成质量？ 「阿里巴巴」
【RAG常见问题】在实际使用检索增强生成时，最容易出现的问题是什么? 「字节跳动」
原题【RAG开源方案】rag有了解过比较成熟的开源方案吗? 「阿里巴巴」
原题【RAG构建与数据来源】RAG怎么建的，数据用的是什么？RAG是怎么构建的？ 「字节跳动、阿里巴巴」
原题【RAG框架选择】rag为什么没有用框架？ 「百度」
原题【RAG流程与优化】讲一下RAG的流程以及可以优化的策略。 「京东」
原题请描述RAG系统的整体架构和构造流程，包括每个模块的作用、文本截断的长度，以及在Agent落地场景中可能遇到的延迟和正确率问题。
简述RAG的完整链路，以及各模块的核心作用。
文本分块是怎么做的？文档切片采用的是什么策略？语义切分是怎么切分的？科研论文助手是怎么分片的？每一个Chunk大概有多长，有没有overlap？知识库有多大，chunk怎么切分的？
文档切好并计算embedding之后，入库时还要保存哪些信息？
展开其余 5 个小问
有没有做向量索引？有没有试过别的向量化相似度的计算？欧氏空间？检索方式是稠密检索、稀疏检索，还是混合检索？
知识库的召回策略是什么？是否有调用外部搜索引擎？类似的问题web search只需要搜一遍？
知识库检索不到怎么办，兜底是什么？
用链路相比纯Prompt有什么优势？相比TF-IDF改进在哪里？
结束语、招呼语这类场景也需要做RAG知识检索吗？
原题完整原题
【RAG流程与架构】请描述RAG系统的整体架构和构造流程，包括每个模块的作用、文本截断的长度，以及在Agent落地场景中可能遇到的延迟和正确率问题。 变体： - 简述RAG的完整链路，以及各模块的核心作用。 - 文本分块是怎么做的？文档切片采用的是什么策略？语义切分是怎么切分的？科研论文助手是怎么分片的？每一个Chunk大概有多长，有没有overlap？知识库有多大，chunk怎么切分的？ - 文档切好并计算embedding之后，入库时还要保存哪些信息？ - 有没有做向量索引？有没有试过别的向量化相似度的计算？欧氏空间？检索方式是稠密检索、稀疏检索，还是混合检索？ - 知识库的召回策略是什么？是否有调用外部搜索引擎？类似的问题web search只需要搜一遍？ - 知识库检索不到怎么办，兜底是什么？ - 用链路相比纯Prompt有什么优势？相比TF-IDF改进在哪里？ - 结束语、招呼语这类场景也需要做RAG知识检索吗？ 「京东、字节跳动、百度、美团、腾讯、腾讯混元、蚂蚁集团、阿里巴巴」
【RAG理解与流程】对RAG的理解，包括其工作流程 「蚂蚁集团、阿里巴巴」
原题【RAG痛点】传统RAG有什么痛点？ 「美团」
原题【RAG系统流程与阶段职责】RAG基础RAG系统的整体流程是什么？索引阶段和检索阶段分别承担哪些职责？ 「字节跳动」
原题【RAG项目介绍】讲一下 RAG 项目。vibeCoding:一个RAG检索系统 「蚂蚁集团、阿里巴巴」
原题vibeCoding 仅为实践标签，来源未给出独立实现任务。
【关键词检索工具】具体来说，你会选择什么样的技术或工具来实现关键词检索? 「美团」
原题【向量模型更新】向量模型有没有更新的? 「腾讯」
原题【相似度距离计算】向量检索会涉及哪些相似度距离计算方法？ 「阿里巴巴」
原题【知识库动态性】你们用的知识库是静态的吗？ 「腾讯混元」
原题RAG用什么形式搭建？ 「阿里巴巴」
原题请介绍其他知识图谱以及举例的知识图谱的使用场景。 「阿里巴巴」
原题项目：RAG的chunk划分策略是什么？请介绍不同文档切分方式及RAG全链路过程。
项目：RAG的chunk划分策略是什么？请介绍不同文档切分方式
RAG全链路过程。
原题完整原题
【Chunk划分与RAG全链路】项目：RAG的chunk划分策略是什么？请介绍不同文档切分方式及RAG全链路过程。 「腾讯、蚂蚁集团」
【Memory vs RAG】对比Memory机制与RAG检索增强的区别、优势和落地场景差异；memory和rag的区别？用RAG检索Memory？ 「美团」
原题【Memory实现与分层检索】Memory怎么做的？你的memory机制是怎么做的？Memory的检索是分层次的吗？ 「字节跳动、美团」
原题【MinerU文档解析】MinerU大概是怎么实现的，为什么解析质量好？ 「字节跳动」
原题【PDF解析修复】在使用MinerU解析PDF时，如果LaTeX解析不完整或错误，一般如何修复？ 「百度」
原题【Query与文档匹配】第二个项目的query和论文总结是如何匹配搜索的？ 「蚂蚁集团」
原题【Query改写】常见的 Query 改写方式有哪些？有没有读过或参考过 Query 改写 / Query Expansion 相关论文？ 「美团」
原题【Query消歧策略】用户提问含糊时，先反问确认还是直接检索知识库？ 「阿里巴巴」
原题「京东、腾讯」
项目中的知识检索是怎么做的？
什么场景需要GraphRAG，它的好处是什么？
原题完整原题
【RAG与知识检索】1. 项目中的知识检索是怎么做的？ 2. 什么场景需要GraphRAG，它的好处是什么？ 「京东、腾讯」
【RAG优化方向】RAG的优化是什么？RAG过程中哪些点可以优化？结合Transformer结构及其改进，RAG流程怎么优化？ 「京东、美团」
原题【RAG全链路流程】完整阐述RAG全链路流程：数据清洗、文档分块、向量化存储、检索召回、重排序、生成增强、结果溯源。 「阿里通义」
原题【RAG原理与缓解幻觉】请阐述RAG的核心原理、核心技术及策略，并说明如何通过RAG缓解大模型的幻觉问题。 「腾讯、腾讯混元、阿里巴巴」
原题【RAG变体对比】你这个rag和普通rag区别在哪? 你这个RAG的项目比较简单呀，后来有想过怎么改进吗？ 「京东、蚂蚁集团」
原题【RAG回答质量评估】如何评估RAG系统的回答质量？你用过RAGAS或类似的评测框架吗？ 「字节跳动」
原题RAG是怎么做的，
召回结果如何评估，
RAG如何改进?
原题完整原题
【RAG实现、召回评估与改进】RAG是怎么做的，召回结果如何评估，RAG如何改进? 「字节跳动」
【RAG改进方法】除了朴素的RAG范式，还了解哪些改进的RAG方法？ 「京东」
原题「京东、美团、腾讯、阿里巴巴、阿里通义」
RAG召回率和准确率怎么保证？
RAG在不同类型的生成任务中表现如何？是否有局限性？
RAG如何缓解幻觉，并解决大模型幻觉、知识滞后、私域知识缺失三大核心问题？
RAG如何评估效果？RAG评估体系中最重要的是什么？
原题完整原题
【RAG效果保证与评估】RAG召回率和准确率怎么保证？RAG在不同类型的生成任务中表现如何？是否有局限性？RAG如何缓解幻觉，并解决大模型幻觉、知识滞后、私域知识缺失三大核心问题？RAG如何评估效果？RAG评估体系中最重要的是什么？ 「京东、美团、腾讯、阿里巴巴、阿里通义」
【RAG效果评价】如何评价RAG项目效果的好坏? 「腾讯」
原题【RAG文档隔离】RAG文档隔离怎么做? 「美团」
原题【RAG方案适用场景】检索、摘要、裁剪等方案分别适用于什么情况？ 「字节跳动」
原题【RAG更新机制】RAG怎么更新？ 「腾讯」
原题【RAG检索内容相关性保证】RAG怎么保证检索到的内容是符合用户期待的？ 「京东」
原题【RAG检索流程与优化】RAG的检索和重排序怎么做？RAG具体怎么做的相似度匹配，流程？rag怎么做检索的？Query改写、Query扩展、意图识别如何优化RAG检索效果？ 「字节跳动、百度、腾讯、阿里通义」
原题【RAG系统有效性评估】如何评估一个RAG系统是否work/有效？ 「阿里巴巴」
原题【RAG范式】你还知道哪些rag范式? 「蚂蚁集团」
原题怎么评估一个RAG系统的效果？有没有用过端到端的RAG评估框架？
有没有针对评判模块做优化？
有没有处理过文档目录结构解析？
原题完整原题
【RAG评估】怎么评估一个RAG系统的效果？有没有用过端到端的RAG评估框架？有没有针对评判模块做优化？有没有处理过文档目录结构解析？ 「美团、阿里巴巴」
【RAG评估指标】RAG系统应从哪些维度设计量化评估指标（如召回率、准确率/正确率）来衡量整体效果？请结合具体应用场景说明评估方法，并提及使用的模型及召回率、正确率的测试方式。 「京东、美团、蚂蚁集团、阿里通义」
原题【RAG语义分割问题调整】RAG开发中发现语义分割有问题，后续怎么调整？ 「京东」
原题「京东、字节跳动、美团、腾讯、阿里通义」
Reranker为什么有效？它和embedding retrieval的本质区别是什么？Reranker 和 Cross-Encoder / Bi-Encoder 的关系是什么？Reranker 在整体检索链路中解决的是什么问题？
Reranker模型（如BGE-rerank）是否微调？训练数据如何构造？
为什么BM25和BGE-rerank要结合使用？
原题完整原题
【Reranker原理与应用】Reranker为什么有效？它和embedding retrieval的本质区别是什么？Reranker 和 Cross-Encoder / Bi-Encoder 的关系是什么？Reranker 在整体检索链路中解决的是什么问题？Reranker模型（如BGE-rerank）是否微调？训练数据如何构造？为什么BM25和BGE-rerank要结合使用？ 「京东、字节跳动、美团、腾讯、阿里通义」
【分块大小权衡】分块过大、过小分别会产生什么问题？如何平衡召回覆盖率和信息精准度？ 「阿里通义」
原题【分块策略】你项目中使用的Chunking分块策略（固定分块、递归分块、语义分块），各自优缺点？遇到过哪些问题，如何优化？ 「阿里通义」
原题【分块策略与平衡】对于RAG中的文档，通常采用哪些策略进行分块(chunk)？如何平衡块的大小与信息完整性？ 「腾讯混元」
原题【召回结果处理】如果召回的答案不是想要的，该怎么处理？ 「蚂蚁集团」
原题【召回质量优化】如何更高质量地召回context喂给llm？ 「腾讯混元」
原题【向量数据库选型】向量数据库Milvus、FAISS、ES、Chroma的选型对比，阿里内部常用方案及原因。 「阿里通义」
原题在RAG系统中，常见的向量检索模型有哪些？你们选择了什么向量模型（如OpenAI Embedding，具体维度是多少）？为什么选择该模型？是否做过不同Embedding模型的对比评测？为什么要做向量化？
为什么选择这个向量数据库？
原题完整原题
【向量检索与Embedding选型】在RAG系统中，常见的向量检索模型有哪些？你们选择了什么向量模型（如OpenAI Embedding，具体维度是多少）？为什么选择该模型？是否做过不同Embedding模型的对比评测？为什么要做向量化？为什么选择这个向量数据库？ 「字节跳动、美团、腾讯、蚂蚁集团」
【向量检索原理】向量检索的原理是什么，为什么速度快，为什么可能效果差? 「字节跳动」
原题【向量索引构建优化】后续的向量检索索引（如FAISS）是如何构建和优化的？ 「腾讯混元」
原题【向量索引结构】构建RAG的时候，FAISS-HNSW的结构是什么?还有那些别的? 「京东」
原题【向量维度影响】维度大小如何影响检索效果和性能？维度翻倍，召回效果一定更好吗？ 「美团」
原题【多模态RAG架构】针对企业级的多模态检索增强生成（RAG）系统，当底层图文向量数据库达到百亿级别时，如何设计高效的稠密向量召回与多模态重排（Rerank）的两阶段协同架构，以达到召回率与计算延迟的极致平衡？ 「腾讯」
原题【多模态文档处理】在RAG系统中，如何处理200页的PDF文档，以及其中的表格和图片数据？ 「京东」
原题【大规模向量处理】向量空间的数据过多怎么办?HNSW? 「阿里巴巴」
原题【嵌入模型选型】在RAG实践中，选择BGE作为嵌入模型主要出于哪些考量？ 「腾讯混元」
原题【引用生成】最终生成的回答怎么做每句话都有引用？ 「京东」
原题RAG中的chunk策略有哪些？chunk size / overlap等超参数怎么设置的？项目中文本分块具体是怎么做的？有哪些trick？文件是如何分割的？
数据量有多大？
原题完整原题
【文本分块策略与超参数】RAG中的chunk策略有哪些？chunk size / overlap等超参数怎么设置的？项目中文本分块具体是怎么做的？有哪些trick？文件是如何分割的？数据量有多大？ 「百度、美团、腾讯、阿里巴巴」
【文档切分策略】RAG的chunk划分策略是什么？为什么不用固定长度，而用基于Markdown结构的分层切分？你的论文是怎么存的，Chunk是怎么切的？ 「字节跳动、美团、腾讯」
原题【文档结构不清晰处理】如果文档结构不清晰怎么办? 「字节跳动」
原题【查询改写】项目中有没有做过查询改写？ 「字节跳动」
原题【检索与重排序模型对比】BM25、向量检索、Hybrid Search、BGE-rerank、Qwen3-Embedding、BGE-M3等检索与重排序模型的区别是什么？在RAG召回阶段，纯向量检索、BM25关键词检索和混合检索的区别是什么？阿里业务为什么主推混合检索？ 「京东、腾讯、阿里通义」
原题RAG检索到的文档顺序不好怎么办？RAG检索召回的片段中，有一些质量差的，如果排除掉?
你们是把 rewrite放在检索前还是后？
原题完整原题
【检索后处理与重排序】RAG检索到的文档顺序不好怎么办？RAG检索召回的片段中，有一些质量差的，如果排除掉? 你们是把 rewrite放在检索前还是后？ 「字节跳动、百度、腾讯混元」
【检索模块设计】在RAG系统中，检索模块通常如何设计？ 「阿里巴巴」
原题【模型角色】这个模型本质是证据检索器，还是通用语言模型，用来筛选evidence？ 「阿里巴巴」
原题【混合检索与召回优化】检索阶段怎么做，为什么混合检索效果更好?如何尽可能召回与query相关的Document问题？ 「字节跳动、腾讯混元」
原题【混合检索策略】项目中RAG混合检索的策略是怎么样的？ 「腾讯」
原题【生成质量优化】如何让LLM基于query和context得到高质量的response？ 「腾讯混元」
原题【生成质量控制】你是如何在答案生成环节控制生成质量的？有没有引入外部知识源或增强模型能力？ 「百度」
原题【目录路由】客户提问时不会指定目录，你怎么知道优先找哪个目录？ 「腾讯」
原题【知识分层】知识分层的动作在哪完成？如何完成？ 「阿里巴巴」
原题【知识匹配与切分】知识匹配错误是否会对切分的准确度造成很大影响？ 「阿里巴巴」
原题【知识库构建与更新】通常如何构建与更新其背后的知识库？ 「腾讯混元」
原题【知识库构建方法】实习时RAG的知识库是如何构建的(用了哪些方法)？ 「阿里巴巴」
原题【索引构建与加速】FAISS索引是如何构建的？LangChain如何Embedding & vector store？LangChain索引的加速原理是什么？ 「百度、腾讯、腾讯混元」
原题【记忆系统】记忆系统怎么做的？ 「蚂蚁集团」
原题【语义ID生成】生成语义id过程做了哪些优化？ 「美团」
原题【语义段切分与信息抽取】语义段的切分及段落（句子）关键信息抽取。 「腾讯混元」
原题【语义缓存】语义缓存的整体逻辑是什么？ 「字节跳动」
原题【超长段落处理】如果段落长度超过chunk_size怎么办？ 「腾讯」
原题【路由决策】假如问“喜马拉雅山有多高”，AI决策走哪个目录的原理是什么？ 「腾讯」
原题【错误定位】如果回答不对，如何确认是检索的错误还是生成的错误？ 「蚂蚁集团」
原题【长上下文处理】怎么解决RAG的长上下文？ 「阿里巴巴」
原题【长文档QA】长文档QA是怎么做的，pipeline等？ 「腾讯混元」
原题【领域划分】针对不同领域的查询（如医疗、科学、论文），复杂度是不一样的，你的项目有做领域划分吗？ 「阿里巴巴」
原题【AgenticRAG】传统RAG与AgenticRAG的区别，各自适用的业务场景；是否了解过AgenticRAG或主动式RAG这类方案？ 「美团、阿里通义」
原题【DeepResearch增强】如何增强deepresearch的专业深度 「百度」
原题【Embedding与Rerank模型选择及微调数据构造】embedding和rerank模型用的什么，如果做微调数据你会怎么构造？ 「蚂蚁集团」
原题GraphRAG如何应对增量场景？
GraphRAG怎么实现检索的？
GraphRAG适用于解决哪些传统RAG难以处理的问题场景？介绍GraphRAG的做法、适用场景、好处以及难点是什么？
原题完整原题
【GraphRAG】GraphRAG如何应对增量场景？GraphRAG怎么实现检索的？GraphRAG适用于解决哪些传统RAG难以处理的问题场景？介绍GraphRAG的做法、适用场景、好处以及难点是什么？ 「字节跳动、美团、腾讯、腾讯混元」
【HNSW vs IVF-Flat】向量检索HNSW和IVF-Flat两种向量索引结构各有什么优缺点？在百万量级文档下你会如何选择？ 「字节跳动」
原题【Mem0记忆系统】Mem0记忆系统的实现细节是什么？ 「美团」
原题【RAG与微调对比与取舍】RAG和微调的核心取舍：什么场景用RAG、什么场景用微调、什么场景两者结合？你觉得哪个更重要？ 「腾讯、阿里通义」
原题【RAG与渐进式披露】渐进式披露的架构下，还需要RAG吗？ 「蚂蚁集团」
原题【RAG优化方法】RAG你们怎么优化的? 「美团」
原题【RAG全链路搭建】从数据清洗到检索服务上线整个链路怎么搭，怎么做chunk切分？ 「美团」
原题【RAG召回问题解决】如何解决RAG召回不准、上下文缺失、噪声召回的问题？ 「阿里通义」
原题【RAG增量更新与分布偏差】RAG中知识库搭建，对知识库的文件文档进行动态增量更新，怎么来避免新旧文档的分布不一致导致的这种检索偏差问题？业务知识库每天有大量文档新增和修改，如何设计一套实时增量更新方案，使检索结果保持低延迟且一致性可控？ 「字节跳动、美团」
原题【RAG应用场景】想根据招标书找到最匹配的供应商，用大模型怎么做？ 「京东」
原题【RAG改进方向】开放题：你觉得目前RAG系统还有哪些可以或者需要改进的地方？ 「京东」
原题【RAG故障诊断】RAG系统上线后效果不好怎么办？ 「美团」
原题【RAG瓶颈】你觉得当前RAG的最大瓶颈在哪? 「美团」
原题讲论文和项目，聊RAG瓶颈和后面发展看法，Lora训练相关。
讲论文和项目，
聊RAG瓶颈和后面发展看法，
Lora训练相关。
原题完整原题
【RAG瓶颈与发展】讲论文和项目，聊RAG瓶颈和后面发展看法，Lora训练相关。 「阿里通义」
【RAG生成优化】RAG中，检索完用query和文档片段输入进大模型生成答案，在这里还有什么效果更好的方法？ 「腾讯」
原题【RAG系统设计】你要实现一个 RAG 问答服务，请描述后端侧的核心组件(向量化服务、向量库、关键词检索、重排服务、LLM 生成服务)之间的调用顺序与超时预算你会怎么定? 「美团」
原题【专业领域RAG搭建】场景题：目前有一些专业领域知识，比如医疗知识或者法律条文，准备做一个智能助手，要让你搭建一个RAG链路，会怎么做？ 「字节跳动」
原题【代码RAG设计】Code-RAG怎么设计？ 「美团」
原题原题仅给 Code-RAG 任务名，未给具体输入输出，也未要求代码执行或仓库修改。
【复杂文档处理】复杂文档（表格、图片、PDF扫描件）如何解析、分块、入库？ 「阿里通义」
原题【多源冲突优先级】如果检索到的文献资料、病人病历和网页搜索结果发生冲突，优先级是怎么划分的？ 「字节跳动」
原题【多轮对话检索】场景题: 多轮对话里，假设问的问题中有指示代词“它”，那么如何去在向量库中做检索？ 「腾讯」
原题【大规模文档库优化】千万文档库下生成太慢，除了混合召回还有别的办法吗？ 「字节跳动」
原题【实时更新一致性】如果商品知识库实时更新，你怎么保证 RAG 的召回结果和库存一致？ 「京东」
原题【嵌入模型微调】怎么微调的嵌入模型，负样本选择，rag里还可以怎么来微调？ 「腾讯」
原题【检索技术与评估】包括 FAISS、IVF、IVF-PQ、HNSW、Rerank、Hard Negative，还有检索效果应该怎么评估。 「字节跳动」
原题【混合内容切片策略】如果用户的文档同时包含大段正文和密集的表格数据，你会采用统一的切片策略吗？ 「字节跳动」
原题【特殊文档处理】关联关系文档和行业术语文档RAG怎么处理？ 「美团」
原题【相似度筛选合理性】医学中存在语义相似度很高但实际病情差异非常大的问题，你用相似度筛选是否合理？ 「美团」
原题【知识图谱构建】如何构建知识图谱，节点是如何抽取的？怎么构建知识图谱？ 「腾讯、阿里巴巴」
原题【答案溯源与合规】RAG问答如何实现答案溯源、引用标注，保证回答合规可控？ 「阿里通义」
原题【长上下文模型与RAG替代关系】128k超长上下文模型已经很普遍了，你认为在实际业务中它能完全替代传统RAG的向量检索吗？有哪些场景仍然必须用RAG？ 「字节跳动」
原题【企业级RAG设计】设计企业级RAG系统，包含分层记忆架构：L1滑动窗口、L2摘要压缩（LLM与规则剪枝）、L3长期文件存储。 「字节Seed、字节跳动」
原题
暂无题目