RAG 面试题
什么是 RAG？为什么需要 RAG？
原题RAG 和传统搜索引擎有什么区别？
原题RAG 和微调怎么选？什么时候用 RAG，什么时候微调，什么时候两者结合？
原题RAG 系统中 Embedding 模型怎么选？为什么？
原题余弦相似度、内积和欧氏距离有什么区别？
原题RAG 的幻觉问题怎么解决？RAG 一定不会产生幻觉吗？
原题什么是 Lost in the Middle 问题？怎么应对？
原题长上下文窗口是否会取代 RAG？
原题RAG 系统的评估指标有哪些？
原题RAG 的优势和局限性是什么？
原题什么场景适合用 RAG？什么场景不适合？
原题什么是 Embedding？为什么需要把文本转成向量？
原题RAG 场景为什么需要向量数据库？
原题ANN 算法为什么可以接受不是 100% 精确的结果？
原题有哪些向量索引算法？各自优缺点是什么？
原题Flat、HNSW、IVFFLAT、IVF-PQ 分别适合什么场景？
原题HNSW 和 IVFFLAT 有什么区别？
原题HNSW 的 ef_search 参数怎么调？调大和调小分别会怎样？
原题向量数据库和传统数据库最核心的区别是什么？
原题如果向量数据从 100 万增长到 1 亿，架构上需要做什么调整？
原题为什么选择 PostgreSQL + pgvector？什么时候应该换专业向量数据库？
原题RAG 文档处理管线通常包含哪些步骤？
原题文档解析、清洗、结构化分别解决什么问题？
原题Chunk 切分为什么不能只按固定长度切？
原题Chunk 大小、Overlap、语义边界应该怎么取舍？
原题表格、代码块、图片、多模态内容进入 RAG 前怎么处理？
原题文档处理阶段如何保留标题层级、页码、来源和权限元数据？
原题Chunk 质量差会带来哪些召回和生成问题？
原题如何从零搭建一套企业级文档处理管线？
原题RAG 召回率低应该怎么排查？
原题Chunk 策略、Metadata、Hybrid Search、Query Rewrite、Rerank 分别解决什么问题？
原题Hybrid Search 是什么？BM25 和向量检索怎么融合？
原题Query Rewrite、HyDE、Self-Query 分别适合什么场景？
原题Rerank 解决什么问题？为什么不能只依赖向量相似度排序？
原题上下文压缩有什么价值？什么时候会伤害答案质量？
原题RAG 优化为什么必须先建立失败样本集？
原题线上 RAG 出现“答非所问”，应该按什么路径定位？
原题GraphRAG 解决什么问题？和标准向量 RAG 有什么区别？
原题为什么说 Chunk 是信息孤岛？
原题向量相似度为什么不擅长多跳推理？
原题GraphRAG 中实体、关系、社区发现分别是什么？
原题全局检索和局部检索有什么区别？
原题GraphRAG 的社区摘要有什么价值？它的成本在哪里？
原题GraphRAG 如何做权限过滤？
原题什么场景适合 GraphRAG？什么场景不适合？
原题成熟系统为什么会组合关键词检索、向量检索、多向量检索和图检索？
原题RAG 知识库为什么不能只新增不删除？
原题增量更新和全量重建怎么选？
原题Embedding 模型升级后，为什么通常需要重建索引？
原题Chunk 策略变更会影响哪些历史数据？
原题如何避免同一文档多个版本同时被召回？
原题知识库更新如何做灰度、回滚和审计？
原题RAG 评测为什么要分检索质量和生成质量？
原题MRR、NDCG、Recall@K、Context Precision、Faithfulness 分别衡量什么？
原题原始文档已经入库，但相关问题始终召回不到正确 Chunk，你会从哪些环节开始检查？
原题正确文档进入了候选池，却总是排在 TopK 之外，应该调整召回还是引入 Rerank？
原题检索结果正确，模型仍然引用了错误片段，如何检查上下文顺序、截断和指令约束？
原题同一份文档的新旧版本被同时召回，数据和索引更新链路可能出了什么问题？
原题只有最终答案好坏的评分时，如何判断问题出在检索还是生成？
原题某类问题需要跨多篇文档查关系，如何判断应该优化向量 RAG，还是引入 GraphRAG？
原题
暂无题目