了解搜索系统吗？和RAG有什么区别

P1 · rag

🏷 标签：rag, search-system, comparison, retrieval, generation

1️⃣ 考察意图

面试官想看你是否真正理解“检索”和“生成”两种范式的本质差异，而非停留在“RAG = 搜索 + LLM”的表面认知。这是典型的系统设计对比题，刁钻点在于：很多人会混淆“搜索系统是RAG的子集”，但实际两者在目标、评估体系、技术栈上存在根本分歧。答好了能展示你对信息检索（IR）和生成式AI的底层理解，以及从工程角度权衡精度、延迟、成本的硬实力。

2️⃣ 标准答

核心差异：目标与输出形态

搜索系统：目标是“找到最相关文档”，输出是排序列表（如10条链接），用户自行筛选。评估指标聚焦检索精度：NDCG、MAP、Recall@K。
RAG系统：目标是“生成准确答案”，输出是自然语言文本，依赖LLM对检索结果的综合。评估指标侧重生成质量：答案准确率（Exact Match）、忠实度（Faithfulness，即答案是否基于检索上下文）、幻觉率。

技术栈对比：检索阶段

搜索系统：传统用BM25（词频+逆文档频率，默认k1=1.5,b=0.75），现代混合BM25+向量检索（如Elasticsearch的hybrid查询）。排序层用LTR（Learning to Rank，如LambdaMART），特征工程复杂（点击率、文档质量分）。
RAG系统：主流用稠密向量检索（DPR、Contriever），依赖embedding模型（如text-embedding-3-small）。关键取舍：向量检索牺牲精确匹配换取语义泛化，但冷门实体（如“2024年诺贝尔化学奖得主”）可能召回失败，需混合BM25兜底。

技术栈对比：生成阶段

搜索系统：无生成环节，但现代搜索（如Google SGE）开始引入生成式摘要，本质是“搜索+摘要”，而非RAG的端到端生成。
RAG系统：核心是LLM（GPT-4、Claude）对检索结果的推理。实际落地的坑：检索结果过多（>5段）会导致LLM“注意力稀释”，生成答案反而变差。解法：设置max_context_length（如4096 tokens），并用重排序（ReRanker，如Cohere rerank-v3）压缩至Top-3段落。

评估体系差异

搜索系统：离线用NDCG@10（归一化折损累计增益），在线用CTR（点击率）、P@3（用户是否在前3条找到答案）。
RAG系统：离线用忠实度评分（如RAGAS的Faithfulness指标，计算答案中每个声明是否被检索上下文支持），在线用用户任务完成率（如Time-to-Answer）。工程取舍：RAG的评估成本高（需人工标注或LLM-as-Judge），而搜索系统可自动化计算。

融合趋势与边界模糊

现代搜索系统引入RAG：如Google SGE在搜索结果顶部生成摘要，但底层仍是搜索排序，摘要仅作为辅助。
RAG系统借鉴搜索技术：如使用分块策略（Chunking，固定大小256 tokens vs 语义分块）和索引优化（HNSW图索引 vs IVF倒排），提升检索效率。
本质区别：搜索系统是“信息导航”，用户有主动探索意愿；RAG是“信息交付”，用户期望直接答案。设计时需根据场景选择：用户搜“Python安装教程”用搜索，搜“Python报错ModuleNotFoundError怎么解决”用RAG。

3️⃣ 答题模板（30 秒电梯版）

“这个问题我从目标、技术栈、评估体系三个层面回答。目标上，搜索系统返回排序列表让用户自选，RAG直接生成答案；技术栈上，搜索依赖BM25+LTR，RAG用向量检索+LLM生成，且需处理检索结果稀释问题；评估上，搜索用NDCG/CTR，RAG用忠实度/任务完成率。总结一句：搜索是导航，RAG是交付，两者在融合但本质不同。”

4️⃣ 高频追问 & 应对

追问 1：如果文档库是实时更新的（如新闻），RAG和搜索系统谁更合适？

搜索系统更合适，因为RAG依赖预训练LLM的知识截止日期，且embedding模型需要重新索引。解法：搜索系统用BM25（无需预训练，直接索引新文档），或使用增量索引（如Elasticsearch的update API）。RAG若强行使用，需配合实时检索（如Bing Search API作为外部知识源），但延迟和成本会上升。

追问 2：RAG的检索结果质量差（如召回率低），怎么优化？

从三个层面：1）检索策略：混合BM25+向量检索，权重可调（如0.3 BM25 + 0.7向量）；2）分块优化：用语义分块（如LangChain的RecursiveCharacterTextSplitter，chunk_size=500, overlap=50）替代固定大小；3）重排序：引入Cross-Encoder（如BGE-reranker-v2-m3）对Top-50结果重排，压缩至Top-3。坑：重排序增加延迟（约50ms/query），需用异步流水线或缓存高频查询。

追问 3：搜索系统的NDCG和RAG的忠实度，哪个更难优化？

忠实度更难。NDCG是排序指标，有明确的正负样本（用户点击），可自动化计算。忠实度依赖LLM对检索上下文的推理，存在事实性错误（如LLM编造不存在的引用）和上下文冲突（检索结果矛盾）。解法：用自我反思（Self-RAG，让LLM生成时标注引用来源）或验证器（如FactScore，逐句检查声明是否被支持）。

5️⃣ 避坑 · 常见错误答法

❌ “RAG就是搜索系统加了个LLM，本质一样。” → ✅ “两者目标不同：搜索是排序，RAG是生成。技术栈上，RAG需处理检索结果稀释和幻觉，搜索更关注排序精度和延迟。”
❌ “搜索系统用BM25，RAG用向量检索，所以RAG更先进。” → ✅ “BM25在精确匹配和冷门实体上优于向量检索，RAG常混合两者。没有绝对优劣，取决于场景（如法律文档需精确引用，用BM25；开放域问答用向量检索）。”
❌ “RAG的评估用NDCG就行。” → ✅ “NDCG只评估检索质量，不评估生成质量。RAG需额外评估忠实度（Faithfulness）和答案准确率，且评估成本更高。”

6️⃣ 简历呼应

如果你有RAG项目：从“检索结果稀释”切入，展示你如何用重排序（如Cohere rerank）和分块优化（chunk_size=300, overlap=50）提升答案忠实度，并对比NDCG和RAGAS指标。
如果你只做过传统搜索：用“搜索排序的LTR经验”类比RAG的检索阶段，强调你理解BM25和向量检索的互补性，并提及你如何用LambdaMART优化Top-3召回率。
如果你是校招无项目：聚焦论文复现，如实现一个迷你RAG系统（用FAISS+GPT-2），对比BM25和DPR的Recall@5差异，并分析生成答案的幻觉率。
《Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks》（Lewis et al., 2020）
《RAGAS: Automated Evaluation of Retrieval Augmented Generation》（Es et al., 2023）
《Learning to Rank for Information Retrieval》（Liu, 2009）
《Dense Passage Retrieval for Open-Domain Question Answering》（Karpukhin et al., 2020）
《Self-RAG: Learning to Retrieve, Generate, and Critique through Self-Reflection》（Asai et al., 2023）

—— 本场面试完 ——