2 什么是递归检索（Recursive Retrieval）
1️⃣ 考察意图
面试官想考察你对“迭代式检索”策略的工程化理解，而非单纯背诵定义。核心在于：你能否设计出递归触发条件、终止机制，并权衡计算开销与召回增益。刁钻点在于，很多人只会说“多轮检索”，但讲不清何时递归、何时停止、如何避免信息爆炸。答好了能展示你对 RAG 系统整条链路（检索-生成-控制流）的掌控力，以及处理复杂多跳查询（Multi-Hop QA）的实战经验。
2️⃣ 标准答
递归检索（Recursive Retrieval）不是简单的“查两次”，而是一种基于前一轮检索结果动态生成下一轮查询的迭代策略。它常用于解决单轮检索无法覆盖的多跳问题（如“Transformer 的注意力机制如何影响长文本生成？”需要先查 Transformer 架构，再查注意力机制，最后查长文本优化）。
核心流程拆解：
- 初始检索：用 BM25（k1=1.5, b=0.75）或 Dense Embedding（如 bge-large）从文档库中召回 Top-K 结果（K=5-10）。
- 递归触发条件：不是每次都要递归，必须设置条件：
- 置信度阈值：LLM 对当前答案的 logit 概率低于 0.6，或 Reranker（如 Cohere rerank-v3）打分低于 0.5。
- 信息缺失检测：用 LLM 判断当前结果是否包含“关键实体缺失”（如查询“苹果公司 2023 年营收”但结果只提到“iPhone 销量”），缺失则触发递归。
- 多跳探测：对初始结果做实体抽取（用 SpaCy 或 LLM），提取未覆盖的子概念（如“自注意力”、“位置编码”），作为下一轮查询。
- 递归执行：将子查询与原始查询拼接（如“Transformer 架构 + 自注意力机制”），用相同检索器再查一轮。注意：检索器参数可调整，比如第二轮降低 BM25 的 k1 到 1.2，减少对高频词的惩罚，因为子查询通常更具体。
- 终止机制：必须硬性限制，否则会死循环：
- 最大深度：3 轮（经验值，超过后边际收益骤降，且计算成本翻倍）。
- 结果收敛：连续两轮检索结果的 Jaccard 相似度 > 0.8，说明信息已饱和。
- LLM 自判：让 LLM 输出“是否继续”的布尔值，但需设置超时（如 5 秒无响应则终止）。
实际落地的坑 + 解法：
- 坑：递归导致上下文爆炸，第二轮检索结果可能与第一轮高度重复，浪费 token。
- 解法：引入去重缓存（如用 SimHash 对每轮结果去重），并设置结果上限（每轮最多保留 5 个新片段，合并后总片段不超过 15 个）。
- 坑：LLM 生成的子查询质量差，比如把“苹果公司”拆成“苹果”和“公司”，导致检索到水果和公司注册信息。
- 解法：用查询重写模块（如 Query2Doc 或 HyDE）将子查询扩展为完整句子，再用 NER 过滤掉无关实体。
工程取舍（Trade-off）：
- 递归 vs. 并行检索：递归适合深度探索（如法律案例推理），但延迟高（每轮多一次 LLM 调用 + 检索）。并行检索（如同时查 5 个子问题）适合广度覆盖，但召回率可能低。选型依据：如果查询是链式推理（如“A 导致 B，B 导致 C”），用递归；如果是并列子问题（如“A 和 B 的区别”），用并行。
- 深度 vs. 精度：深度 3 轮时，召回率提升约 15-20%（在 MultiHopQA 上实测），但延迟增加 3 倍。业务场景中，如果对延迟敏感（如实时问答），建议深度 ≤ 2 轮，并用 Reranker 补偿精度。
3️⃣ 答题模板（30 秒电梯版）
“这个问题我从三个层面回答：定义上，递归检索是基于前一轮结果动态生成下一轮查询的迭代策略，解决多跳问题；设计上，关键在触发条件（置信度阈值/实体缺失检测）和终止机制（最大深度 3 轮/结果收敛）；工程取舍上，递归适合链式推理但延迟高，需用去重缓存和查询重写避免信息爆炸。总结一句：递归检索不是无脑多轮，而是有状态、有边界的探索性检索。”
4️⃣ 高频追问 & 应对
追问 1：递归检索和 RAPTOR（Tree of Documents）有什么区别？
应对策略：RAPTOR 是离线构建文档树（聚类 + 摘要），检索时直接走树路径，是静态结构；递归检索是动态迭代，每轮查询由 LLM 实时生成。RAPTOR 适合长文档（如论文），递归适合多跳推理（如 QA）。工程上，RAPTOR 的构建成本高（需预计算），但检索延迟低；递归的构建成本低，但每轮多一次 LLM 调用。可以结合：用 RAPTOR 做第一轮粗检索，再用递归做细粒度探索。
追问 2：如何评估递归检索的效果？具体指标是什么？
应对策略：用 MultiHopQA 或 HotpotQA 数据集。核心指标：召回率@K（递归后比单轮提升多少，通常 15-20%）、答案准确率（LLM 生成答案的 F1）、平均递归轮数（控制 1.5-2.5 轮为佳）。还要监控计算成本：每轮检索的延迟（ms）和 token 消耗（输入 + 输出）。一个坑：如果递归轮数多但准确率没提升，说明触发条件太宽松，需收紧置信度阈值。
追问 3：如果递归检索结果冗余，怎么优化？
应对策略：用MMR（最大边际相关性） 对每轮结果重排序，平衡相关性与多样性。具体：第一轮用 BM25 召回 Top-10，第二轮用 MMR（lambda=0.7）从新结果中选 5 个与已有结果差异大的片段。还可以用滑动窗口去重：对每轮结果的文本做 MinHash 签名，相似度 > 0.85 的直接丢弃。
5️⃣ 避坑 · 常见错误答法
- ❌ 说“递归检索就是查多次，直到找到答案” → ✅ 必须强调触发条件和终止机制，否则面试官会追问“那你怎么知道什么时候停？”
- ❌ 说“递归检索比单轮检索好，所以都用递归” → ✅ 要指出取舍：递归延迟高，适合多跳查询；单轮适合简单事实查询。业务中通常混合使用（先单轮，置信度低再递归）。
- ❌ 说“递归检索的查询由 LLM 生成，质量很高” → ✅ 要承认LLM 生成子查询可能跑偏，需要查询重写和实体过滤来兜底。
6️⃣ 简历呼应
- 如果你有 RAG 项目：从“我在项目中用递归检索解决了多跳问题”切入，具体说用了什么触发条件（如置信度阈值 0.6）和终止机制（最大深度 3 轮），并给出在内部数据集上的召回率提升数据。
- 如果你只做过传统 NLP：用“信息检索中的相关反馈（Relevance Feedback）”类比，说明递归检索是自动化的相关反馈，但多了 LLM 的查询生成和终止控制。
- 如果你是校招无项目：聚焦“在 MultiHopQA 上复现递归检索 Demo”，说明你理解了递归的工程细节（如去重、MMR 排序），并对比了单轮检索的 F1 分数。
- 论文：“Multi-Hop Retrieval-Augmented Generation: A Survey”（2024）
- 论文：“REPLUG: Retrieval-Augmented Black-Box Language Models”（2023）
- 工具：LlamaIndex 的
RecursiveRetriever模块（源码可读） - 博客：“Building a Recursive Retrieval System with LangChain”（LangChain 官方教程）
- 论文：“Query Rewriting for Retrieval-Augmented Generation”（2024）