RAG · ALL
RAG 检索增强 · 全部题目
共 591 篇，本页第 385-432 篇。← 回到学习路径视图
No.2265长文档、多文档、跨文档问题的上下文应该怎么拼面试官想考察你在真实RAG系统中处理复杂文档场景的工程能力，而非简单背诵“分块+检索”。刁钻点在于：长文档的“信息密度衰…→No.2266．在 RAG ＋知识图谱的 Agent 系统中，知识图谱更新的机制是怎样的面试官想考察你在混合架构中设计增量更新机制的系统能力，而非单纯背诵图数据库操作。核心刁钻点在于：知识图谱的更新不是“加一…→No.2267如何处理高并发下的检索和生成延迟问题面试官想考察你能否区分检索和生成两个阶段的瓶颈本质，并给出工程上可落地的分层优化方案，而非背诵“用缓存、用GPU”等空话…→No.2268如何平衡效果、延迟和成本面试官想考察你在资源受限下的系统级工程思维，而非单纯背诵RAG组件。刁钻点在于：多数候选人只会罗列“用更好的模型”或“加…→No.2269如何建立问题分类和误差归因机制面试官想考察你能否将 RAG 系统的“玄学”错误转化为可量化、可优化的工程问题。这不是背概念，而是系统设计题。刁钻点在于…→No.2270怎样通过排序、摘要、压缩、结构化拼接减轻这个问题面试官想考察你是否能系统性地解决“Lost in the Middle”问题——即LLM在长上下文中对中间位置信息遗忘或…→No.2271如何设计检索、重排、生成链路的降级策略面试官想考察你是否具备生产级RAG系统的容错设计能力，而非仅停留在“知道RAG流程”的层面。核心刁钻点在于：级联故障——…→No.2272长文档、FAQ、表格、代码文档的切块策略有什么不同面试官想考察的不是“你会不会调chunk_size”，而是你是否理解文档结构对检索粒度的根本影响。这是一道系统设计+工程…→No.2273RAG、知识库问答、搜索、Agent 的边界分别是什么面试官想看你能否清晰界定这四个易混淆的概念，而不是模糊地混为一谈。这是典型的“概念辨析+系统设计”题，刁钻点在于：很多人…→No.2274Agent+RAG中检索结果冲突，如何决策与融合面试官真正想看的是你在多源信息冲突下的工程决策能力，而非单纯背诵RAG流程。考察类型是系统设计+工程取舍，刁钻点在于：候…→No.2275Case-based Experiential Memory如何组织和利用历史案例？检索机制如何设计面试官想考察你对“经验记忆”在AI Agent中落地的工程化能力，而非单纯背诵CBR（Case-Based Reason…→No.2276GraphRAG 的难点和增量场景应对面试官想考察你对 GraphRAG 从理论到落地的深度理解，而非仅仅背诵“知识图谱+LLM”的概念。这是一道系统设计+工…→No.2277How is external data kept up to date in a RAG system?**面试官想考察你对RAG系统工程落地的理解深度，而非单纯背诵概念。核心是：数据更新策略如何平衡实时性、一致性与成本。刁钻点…→No.2278How to build production grade RAG system, explain each component in detail ?**面试官想看你是否真正落地过RAG系统，而非只懂概念。考察类型是系统设计+工程取舍，刁钻点在于：多数人只会堆砌组件（如“用…→No.2280Q10: RAG 系统在实际部署中可能面临哪些挑战？**面试官想考察你从“Demo 跑通”到“线上扛住”的工程落地能力，而非背诵 RAG 流程。刁钻点在于：你是否经历过数据漂移…→No.2281Q12: 如何实现 RAG 的多语言支持？**面试官想看你是否真正处理过非英语场景的 RAG 系统，而非只背了“用多语言 embedding”这种空话。考察类型是工程…→No.2282Q13: 构建向量检索库时如何处理时间衰减对召回的影响？**面试官想考察你在向量检索中处理时间维度的工程能力，而非单纯背概念。刁钻点在于：向量检索默认只关注语义相似度，忽略时间衰减…→No.2283Q14: 在 RAG+知识图谱的 Agent 系统中，知识图谱更新的机制是怎样的？是怎样保证实时性的？**面试官想看你是否真正理解知识图谱在RAG系统中的角色——它不只是静态的“知识库”，而是需要与检索、推理、Agent决策实…→No.2284Q18: 介绍检索做的优化，具体追问子问题分解怎么做，有没有做意图识别？**面试官想考察你对 RAG 检索优化的深度理解，尤其是从“简单召回”到“智能检索”的进阶能力。核心刁钻点在于：你是否只停留…→No.2285Q1: 如何将 RAG 系统的 P99 延迟从 2s 降低到 300ms？**面试官想看你是否具备整条链路延迟拆解和工程级性能调优的实战经验，而非纸上谈兵。这道题是典型的系统设计+debug混合型，…→No.2287Q3: 如何设计 RAG 系统的 A/B 测试？**面试官想看的不是你会不会跑个 t-test，而是你能否在 RAG 这种多组件、多指标、离线在线割裂的系统里，设计出能隔离…→No.2288Q41: 在Agent中引入「记忆「机制时，为什么常用向量数据库？如何设计embedding和检索策略？**面试官想考察你对 Agent 记忆系统的工程理解，而非单纯背诵概念。核心是：为什么向量数据库是记忆的默认选择，以及如何在…→No.2289Q7: 如何实现 RAG 的增量索引更新？**面试官想考察你对 RAG 系统工程落地的深度，而非单纯背诵概念。核心看三点：一是你是否理解“全量重建”在百万级文档场景下…→No.2290Q9: 传统的 RAG 流程是「先检索后生成「，你是否了解一些更复杂的 RAG 范式，比如在生成过程中进行多次检索或自适应检索？**面试官想看你是否停留在“单次检索+生成”的教科书式RAG，还是真正跟进过前沿范式（如Self-RAG、FLARE、ReA…→No.2291Q: 如何设计一个 Agentic RAG 的规划策略？如何评估规划的好坏面试官想考察你对 Agentic RAG 中“规划”这一核心模块的工程化理解，而非单纯背诵 ReAct 论文。刁钻点在于…→No.2292Q: 记忆压缩和检索的trade-off如何平衡？如何通过实验评估你的压缩算法没有损失关键信息面试官想看你是否真正理解记忆压缩在RAG/Agent系统中的工程本质——不是单纯“省空间”，而是在检索精度、存储成本、推…→No.2293RAG 召回矛盾文档的处理（冲突检测 + 证据调解器）面试官想考察你对 RAG 系统鲁棒性的理解深度，而非简单背诵“检索-生成”流程。核心刁钻点在于：当检索结果内部存在矛盾时…→No.2294RAG 知识库如何实现动态与持续更新面试官想考察的不是“RAG 能更新吗”这种概念题，而是工程落地的系统设计能力。刁钻点在于：知识库更新不是简单的“重新索引…→No.2295RAG 系统在实际部署中可能面临哪些挑战面试官想考察你对 RAG 系统从“Demo 跑通”到“生产级部署”的工程化认知深度。这不是背概念题，而是系统设计 + 工…→No.2296Suppose you are working with an open AI embedding model, after benchmarking accuracy is coming low, how would you further improve the accuracy of embedding the search model?**面试官想考察你诊断和系统性优化嵌入检索准确率的工程能力，而非单纯背诵概念。刁钻点在于：低准确率可能源于数据、模型、检索策…→No.2297What is the best method to digitize and chunk complex documents like annual reports?**面试官考察的不是“你会不会OCR”，而是你在处理表格、图表、多栏布局等复杂文档时，能否平衡信息完整性与检索效率。这是典型…→No.2298k=60这个数字是怎么来的？你为什么不用50，不用100面试官真正想看的不是“背数字”，而是你对RRF（Reciprocal Rank Fusion）数学直觉和论文来源的深度理…→No.2299| 37 | How does the chunking strategy differ when dealing with structured documents (like PDFs with tables and figures) versus plain text documents这道题考察的是 RAG 系统在异构文档场景下的工程取舍与实战经验，属于系统设计 + debug 混合类型。面试官真正想看…→No.23CAG vs RAG：预缓存和在线检索怎么选CAG 预缓存知识跳过检索、RAG 在线检索按需取件。这篇给两种范式的成本与边界对比表，结论是组合而非替代。…→No.2300| 53 | How do you balance relevance and diversity when retrieving document chunks for RAG面试官想考察你能否在 RAG 检索中解决“高相关性但内容冗余”这一核心工程矛盾。这不是背概念题，而是系统设计 + 工程取…→No.2302代码库 RAG 的代码索引与检索策略面试官想考察你对代码库 RAG 的深度理解，而非泛泛的文档 RAG。核心看三点：① 代码结构（类、函数、依赖）如何被索引…→No.2303企业级场景下，如何实现Agent+RAG的权限隔离面试官真正想看的是：你是否理解企业级 RAG 系统从“能跑”到“安全合规”的鸿沟。这题不是考你背 RBAC 概念，而是考…→No.2304传统的 RAG 流程是“先检索后生成”，你是否了解一些更复杂的 RAG 范式，比如在生成过程中进行多次检索或自适应检索面试官想看你是否真正理解 RAG 的演进逻辑，而非只会调 API 跑个“检索+生成”流水线。考察类型是系统设计 + 工程…→No.2305你如何设计 memory 索引／检索机制来支持 time-based 查询？你认为现有向量 + metadata + RAG 能完全解决吗？为什么 / 为什么不？需要什么补充机制面试官想看你是否具备系统级设计思维，而非仅会调包。这道题是系统设计+工程取舍类型，刁钻点在于：时间查询不是简单的过滤，它…→No.2306你的 RAG 系统响应速度怎么优化的面试官想考察的不是“你用了什么缓存”，而是系统性优化思维——能否从整条链路视角拆解 RAG 的延迟瓶颈，并给出有数据支撑…→No.2307动态知识库下，缓存失效与增量更新策略如何设计面试官想考察你在动态数据场景下的系统设计能力，而非单纯背诵缓存或索引概念。这是一道典型的“工程取舍+系统设计”题，刁钻点…→No.2308图检索（Graph-based Retrieval）如何利用结构信息增强检索效果面试官想看你是否理解“结构信息”在检索中的独特价值，而不仅仅是把图当向量数据库用。考察类型是系统设计 + 工程取舍。刁钻…→No.2309在 RAG + 知识图谱的 Agent 系统中，知识图谱更新机制是怎样的面试官想看你是否理解知识图谱（KG）在RAG Agent中不是静态的“百科词典”，而是需要动态维护的“活数据”。考察类型…→No.2310在 RAG+知识图谱的 Agent 系统中,知识图谱更新的机制是怎样的?是怎样保证实时性的面试官想考察你能否设计一个生产级的RAG+知识图谱系统，而非停留在概念层面。核心是工程取舍：如何平衡知识更新的实时性与查…→No.2311在一个Agentic的系统中，需要让Agent自主选择什么时候检索怎么检索记忆，具体你来做的话你会怎么设计这道题考察的是系统设计能力，而非单纯背概念。面试官想看你能否设计一个动态、可扩展的Agent记忆检索决策系统，而不是硬编…→No.2312在什么场景下，你会选择使用图数据库或知识图谱来增强或替代传统的向量数据库检索面试官想考察你对非结构化（向量）与结构化（图）数据检索的边界判断力，以及混合架构的设计能力。这不是背概念题，而是工程取舍…→No.2313在设计一个能够持续运行、与用户长期交互的Agent时，你会如何设计记忆的存储结构（如向量数据库、图数据库）、更新策略（如记忆合并、遗忘机制）、检索机制（如重排序、混合检索）来确保记忆的高效和准确面试官想看你是否具备从零构建生产级 Agent 记忆系统的工程能力，而非仅背诵概念。考察类型是系统设计 + 工程取舍。刁…→No.2314在长期对话／长期服务 (long-term conversational agent) 中，如何处理“时间 / 事件顺序敏感”的 memory？比如用户说过某事，但中间很多对话，再问时你必须按照正确时间顺序检索面试官想考察你是否理解“时间顺序敏感”不仅是加个时间戳，而是对记忆检索、排序、压缩和推理的系统性设计。这是P2级别区分“…→