RAG

RAG 检索增强

从文档到答案的整条链路：Embedding、分块、多路召回、重排、缓存与权限。答这类题要先说清链路分层，再讲每一层你踩过的坑。

4篇已上线8篇规划中取材：第 1 章 · RAG

全部题目

共 4 篇

你们的 RAG 首字延迟（TTFT）怎么优化？

动态 RAG 的数据质量怎么评估？

动态 RAG 的缓存体系怎么设计？

为什么 RAG 越用越慢？如何反向调优？

6 个

ReAct 循环、规划与反思、记忆系统、整体设计。面试官最想看的是你能不能说出「为什么这么拆」，而不是背框架名字。

Function Call、MCP、A2A、Skills，以及工具过百之后的注册、发现、路由与 Schema 设计。落点永远在「准确率抓在哪个环节」。

角色切分、消息协议、状态同步、冲突仲裁。拆多 Agent 不是人多力量大，是上下文稀缺和角色混乱逼出来的工程选择。

工作记忆、情景记忆、语义记忆、程序性记忆怎么分，什么信息值得写入，冲突怎么覆盖合并，遗忘怎么设计。

非确定系统的回归测试、Golden Set、LLM 裁判校准、trace 埋点与可观测性。核心是别让被测者改自己的分数。

从 demo 到生产的差距：私有知识、权限边界、可审计、业务集成、成本可控。项目题八成问的是这五件事。

培养能解决真实问题、能落地的 AI 人才。训练营以实战为核心——面试题里的答案，在开源项目和论文里亲手做出来。