RAG 面试题
什么是 RAG？详细描述一个完整 RAG 系统的详细工作流程？
原题大模型的 RAG 主要用来解决什么问题？
原题相比直接微调 LLM，RAG 解决了什么问题？微调和 RAG 各自的优劣势是什么？
原题RAG 中的文档是怎么存的？粒度是多大？详细说说文档切割（Chunking）策略？
原题怎么规避语义被切割掉的问题？
原题在 RAG 中 Embedding 究竟是什么？如何选择和评估一个 Embedding 模型？
原题Embedding 有哪几种算法你了解过吗？
原题什么是向量数据库？有没有做过向量数据库的对比选型？
原题讲讲你用的向量数据库？数据量级是多大？性能如何？遇到过性能瓶颈吗？
原题你使用 RAG 给大模型一个输入，系统是怎样的工作流程？
原题请你介绍一下向量检索和关键词检索的区别？
原题如何润色用户的 Query（Query Rewrite）？目的是什么？
原题什么是多路召回？具体怎么做？
原题RAG 检索优化策略有哪些？
原题了解哪些更复杂的 RAG 范式？
原题在什么场景下，你会选择使用图数据库来增强传统的向量检索？
原题如何规避 RAG 系统中大模型的幻觉？
原题怎么量化你的 RAG 效果？
原题RAG 知识库如何实现动态与持续更新？
原题在实际落地中，你觉得 RAG 最难的地方是哪里？
原题不同来源的文档发生知识冲突时，RAG 应该信谁？
原题上下文窗口很大时为什么还需要 RAG？
原题RAG 与 Agent 自主文件检索应该如何选型？
原题
暂无题目