首页学习路线
AI 面试题 · 阅读指南
RAG 面试复习路线：切片、检索、生成与评测
准备 RAG 相关面试，或已经做过知识库 Demo、想补齐工程判断的同学。
这条路线怎么读
沿着“文档进入知识库 → 找到证据 → 生成回答 → 验证效果”的顺序读。遇到具体故障时，也可以直接跳到对应阶段。
从第一阶段开始先明确方案与边界
知道什么时候需要知识检索，以及向量相似度能够说明什么。
- RAG 和微调有什么区别？企业知识库应该怎么选？
从业务目标区分检索知识与调整模型行为。
- Embedding 是什么？向量相似就代表内容可信吗？
避免把语义相似当成事实正确。
- 如何设计企业知识库问答系统？文档更新、权限和评测怎么做？
先看完整系统，再进入下面的局部机制。
读完检查
企业知识更新频繁时，你会选择 RAG 还是微调？你的判断依据是什么？
让文档变成可用的证据
理解解析、切片、上下文完整性，以及知识更新的处理。
- RAG 文档切片越小越好吗？Chunk Size 应该怎么选？
理解切片大小对定位精度与完整上下文的影响。
- RAG 父子检索是什么？为什么搜小片段，回答时却给大段落？
用父子检索把定位单元与回答材料分开。
- RAG 怎么处理 PDF 表格？为什么数字都识别出来了，答案还是错？
检查表格结构怎样影响后续问答。
- RAG 知识库里的文档更新、删除后，为什么还会搜到旧答案？
把文档更新与索引、缓存的变化一起考虑。
读完检查
答案依赖表格或条款例外时，怎样避免检索只找到一半证据？
把相关材料找回来、排好序
分清关键词检索、向量检索和重排，建立检索排查顺序。
- RAG 检索不到知识库里的文档，应该怎么排查？
先建立漏召回的排查顺序。
- RAG 混合检索怎么做？关键词与向量检索的融合
看混合检索怎样覆盖不同问法。
- RAG 中 Rerank 是什么？为什么重排不能代替召回？
理解重排的作用，以及它补不了哪些问题。
- RAG 多轮对话怎么检索？追问理解与 Query 改写
补上多轮追问里的指代与查询改写。
读完检查
同一个问题检索不到答案，和检索到了但排序靠后，应该怎样分别排查？
判断回答是否正确、改动是否有效
把检索表现、证据使用和最终答案分开验证。
- RAG 检索正确却回答错误，应该怎么排查？
检查检索正确以后，生成阶段仍可能出现的问题。
- RAG 系统怎么评测？为什么不能只看答案对不对？
分别评测检索、生成和整体系统。
- RAG 评测集怎么构建？让大模型自己出题、自己打分靠谱吗？
为评测准备有依据、可复查的问题与答案。
读完检查
一次优化后答案看起来更流畅，怎样证明效果真的提升，并且旧问题没有复发？