Agent开发面试题

题集来源:摸鱼酱mio(mio)反馈(在 GitHub 新标签页打开)

题目目录

168 道原题
  1. RAG 的评测指标有哪些(如准确率、召回率等)?

  2. 如何构建高质量 RAG 评测数据集?

  3. 如何优化 RAG 的召回效果与生成质量?

  4. 如何处理 RAG 中上下文过长或不相关信息干扰问题?

  5. RAG 与直接将文档输入模型相比的优势是什么?

  6. RAG 与微调(Fine-tuning)适用场景如何选择?

  7. 知识图谱(Knowledge Graph)与向量检索的适用场景如何区分?

  8. GraphRAG 的核心思路是什么?与传统 RAG 相比解决了什么问题?

  9. 如何将结构化数据库(SQL)和非结构化文档结合进行混合检索?

  10. Text-to-SQL 在 Agent 中如何应用?存在哪些风险和限制?