滴滴 Agent 岗二面真题：RAG 的幻觉怎么规避
Agent 开发岗
岗位：滴滴 Agent 开发岗 轮次：二面单题深挖记录，融合整理 一句话定性：这是一道「问题溯源」题，先分类再给对策，顺序错了后面全白答。 素材时间线：2026 年滴滴 Agent 岗面试的单题记录，整理时间 2026-09-28
0. 一分钟速览
| 项目 | 内容 |
|---|---|
| 公司 / 岗位 | 滴滴 · Agent 开发 |
| 考察重心 | 幻觉的两个来源、分层防控策略 |
| 追问风格 | 「检索到了但模型没照着说，怎么办？」 |
| 典型挂点 | 认为检索做好就没幻觉；只答 prompt 约束 |
| 准备方向 | 两类来源 + 四层防控，每层一个具体机制 |
1. 真题：RAG 系统中大模型的幻觉怎么处理
问法：「RAG 系统中大模型的幻觉问题你怎么处理？」
错误示范一：答「把检索做好，检索到相关内容 LLM 就不会编造」。面试官立刻切到生成层：检索到了但 LLM 没严格照着说，怎么办？
错误示范二：答「在 prompt 里加一句『请根据资料回答』」。面试官反问：你知道幻觉有两个完全不同的来源吗？解法完全不一样。
答题要点，先分类再给策略：
两类来源必须先分开。第一类是检索层幻觉：没召回到相关内容，prompt 里是空的或不相关的，LLM 靠预训练的旧知识编答案（知识库写 7 天退款，检索失败后模型答 30 天，用户照做就出事故）。第二类是生成层幻觉：内容召回了，但 LLM 在文档基础上加了自己的推断和发挥。
四层防控按成本排：
- Prompt 强约束：明确只能根据提供的资料回答，资料里没有就说不知道——成本最低，先做。
- 检索质量门控：Rerank 分数低于阈值直接拒答或转人工，不让模型在低质量上下文上硬撑——和第一条组合是上线前必做的底线配置。
- 生成后引用核查：关键声明逐句在 chunk 里找来源依据，找不到的标出来——用裁判模型或规则做。
- 结构化输出强制溯源：让模型输出 JSON，每条结论必须附来源编号——最硬但改造成本最高。
追问链：「拒答太多影响体验怎么办？」答：拒答率本身是监控指标，持续补检索（查询改写、混合检索）把该召回的召回来，拒答线随检索质量收紧。
2. 复盘与准备清单
- 溯源型题目的答法：先说「这个问题要拆成两类」，分类本身就是得分点；每类给至少一个专属解法，通用解法放后面。
- 滴滴的业务（出行、客服、司机端问答）对错误答案的容忍度低，主动提「拒答和转人工的边界」会加分。
相关题目：站内题库的「RAG 怎么评估」「RAG 落地最难在哪」是这场的关联原题。