一、RAG 基础概念与核心流程（8 题）
1. 什么是 RAG？为什么要用 RAG？
答：RAG = Retrieval-Augmented Generation，检索增强生成。先从外部知识库检索相关文本，再送给大模型生成答案。
解决问题：
大模型知识过时
容易幻觉
无法使用私有 / 实时数据
隐私数据不能进预训练
举例：问 “2026 年公司新政策”，模型没训练过，RAG 从内部文档检索后再回答，无幻觉、实时准确。
2. RAG 经典六步流程是什么？
答：
文档加载（PDF/Word/Excel/ 网页）
文本分块（Chunking）
向量化 Embedding
存入向量数据库
用户查询向量化 + 检索 Top-K
构造 Prompt → 大模型生成答案
举例：上传产品手册 → 切块 → 转向量存 Chroma → 用户提问 → 召回相关段落 → 生成回答。
3. RAG 对比 Fine-tuning 优势是什么？
答
无需训练，成本极低
知识实时更新
不会破坏模型能力
隐私安全，数据不上大模型
适合高频变更的知识库
举例：电商商品每天上新，用 RAG 秒级更新；Fine-tuning 要重训几小时。
4. RAG 有什么缺点？
答
检索不准 → 答案必错
多跳问题、复杂推理弱
长文本召回容易丢失关键信息
依赖 embedding 与 chunk 质量
多文档融合困难
举例：问 “A 产品和 B 产品对比”，如果只召回其中一个，回答必然片面。
5. RAG 能完全解决幻觉吗？
答：不能，但能大幅降低。幻觉来源：
检索漏召回 / 错召回
模型编造连接逻辑
检索内容冲突
解决：强 Prompt 约束 + rerank + 引用溯源 + 事实校验。
举例：Prompt 强制：“只使用检索材料回答，不知道就说不知道”。
6. Naive RAG、Advanced RAG、Modular RAG 区别？
答
Naive RAG：基础流程，无优化
Advanced RAG：预处理、检索、生成全链路优化
Modular RAG：把 RAG 拆成可插拔模块，支持路由、多查询、工具调用
举例：Naive：直接切块检索。Advanced：重排、HyDE、多路召回。Modular：判断简单问题直接答，复杂问题走检索 + 推理。
7. RAG 典型应用场景有哪些？
答
企业内部知识库问答
客服机器人
法律 / 医疗 / 金融文档问答
代码文档助手
长文本阅读理解（标书、年报）
教育题库答疑
举例：律所把判例向量化，律师提问直接检索相关法条与案例。
8. RAG 系统的核心评价指标有哪些？
答检索端：Recall@k、Precision@k、MRR生成端：BLEU、ROUGE、BERTScore、Factuality用户端：准确率、响应速度、幻觉率
举例：Recall@10=95% 表示 10 条里 95% 概率包含真实答案。
二、文档预处理与分块 Chunking（8 题）
9. 什么是 Chunking？为什么重要？
答：把长文档切成小块，控制长度，提高检索精度。块太大：噪声多、语义模糊；块太小：信息碎片化。
举例：1 个 10000 字 PDF 切成 512 字符左右的块，检索更准。
10. 常见 Chunk 策略有哪些？
答
固定长度切分（简单但容易切断语义）
按句子 / 段落切分（语义更完整）
基于标题层级切分（结构最优）
语义分块（Semantic Chunking，最常用）
递归分块（Recursive Chunk，LangChain 默认）
举例：递归切块：先按章节切，太大再按段落切，保证语义完整。
11. 最优 Chunk 大小一般是多少？
答：通用：256～512 token长文档：512～1024 token太小召回不全，太大噪声多。
12. 什么是语义分块（Semantic Chunking）？
答：利用 embedding 计算句子相似度，把语义连贯的合并成块。
举例：连续三句讲 “报销流程” 合并；下一句讲 “考勤” 则切分。
13. 文档预处理要做哪些清洗？
答
去除乱码、水印、页眉页脚
表格结构化
图片 OCR
多余空格换行
目录、参考文献过滤
举例：PDF 里大量 ----- 或页码，必须清洗，否则影响 embedding。
14. 表格数据在 RAG 中怎么处理？
答
转 Markdown 表格
转 HTML
转线性文本描述
专用 Table Embedding
举例：商品价格表 → Markdown 表格嵌入，模型更容易理解。
15. 长文档（>100 页）如何做 RAG？
答
层级切块（章节→小节→段落）
摘要 + 原文双层索引
摘要检索 + 精确定位
长文本模型 + 滑动窗口
举例：先检索章节摘要，再在章节内细查。
16. 多文档、异构数据源如何统一处理？
答
统一格式化为 Markdown
建立元数据（来源、时间、标签）
按类型做多路召回
元数据过滤（如按时间筛选最新）
举例：同时检索 PDF、Notion、飞书文档，按时间只取最新版本。
三、Embedding 与向量检索（6 题）
17. Embedding 模型怎么选？
答开源强：
bge-small / base / large
m3e
text2vec
bge-m3（支持多语言）
闭源：
text-embedding-ada-002
文心 embedding
通义千问 embedding
举例：中文场景优先 bge-base-zh 或 m3e，速度与效果均衡。
18. 向量数据库有哪些？怎么选？
答轻量：Chroma、FAISS、DocArray企业级：Milvus、Weaviate、Pinecone、Qdrant
选型：
单机轻量：Chroma/FAISS
高并发生产：Milvus/Qdrant
19. 向量检索有哪些方式？
答
暴力检索（Flat）
索引检索（IVF、HNSW）
混合检索（向量 + 关键词）
多路召回
举例：HNSW 速度快、精度高，是生产标配。
20. 余弦相似度、点积、欧氏距离区别？
答
欧氏距离：距离越小越相似
余弦相似度：方向相似性，常用
点积：归一化后等价于余弦
RAG 通用：余弦相似度。
21. 什么是混合检索（Hybrid Search）？
答：向量检索（语义）+ BM25（关键词）融合结果。解决语义模糊、专业术语不准问题。
举例：“TCP 拥塞控制”BM25 抓关键词，向量抓语义，互补。
22. 如何提升检索召回率 Recall？
答
更好的 embedding
混合检索
查询增强（多 query 生成）
HyDE
增大 Top-K（5～10→15～20）
元数据过滤
四、Rerank 重排（4 题）
23. 什么是 Rerank？为什么必须做？
答：对初步召回的段落再用小模型精排，把最相关排前面。向量召回是粗排，rerank 能大幅提升准确率。
举例：召回 10 条，rerank 后前 3 条最相关，减少模型噪声。
24. 常用 Rerank 模型？
答
bge-reranker-base / large
Cohere rerank
Jina rerank
中文首选：bge-reranker-base。
25. Rerank 放在哪一步？
答：用户查询 → 向量粗排 → rerank 精排 → 构造 prompt
26. Rerank 能带来多大提升？
答：公开数据集普遍提升 10%～30% 准确率，是 RAG 性价比最高优化。
五、查询优化与高级召回策略（6 题）
27. 什么是 HyDE？
答：Hypothetical Document Embeddings先生成一个 “伪答案文档”，用伪文档去检索。
举例：问 “公积金提取条件”→ 先生成一段描述 → 再检索，大幅提升稀疏问题召回。
28. 什么是查询扩展（Query Expansion）？
答：把用户口语 query 转成多条专业查询。
举例：“怎么报销”→
员工报销流程
报销所需材料
报销审批时间
多路检索，提高覆盖。
29. 什么是多跳检索（Multi-hop RAG）？
答：复杂问题需要多次检索、逐步推理。
举例：“A 部门主管是谁？他负责哪些项目？”第一次查主管，第二次用主管名查项目。
30. 什么是 Self-RAG？
答：模型自己判断是否需要检索、检索什么、是否要继续检索。
31. 什么是 Corrective RAG（CRAG）？
答：检索后做校验，质量差就重新检索 / 扩充检索，提升事实准确性。
32. 如何处理模糊 / 歧义用户问题？
答
反问澄清
多路意图检索
结合历史对话理解指代
举例：用户问 “它怎么用”，RAG 结合上文知道 “它” 指某个功能。
六、工程部署、排错与优化（4 题）
33. RAG 常见 Bad Case 与原因？
答
答非所问：检索召回错误
答案不全：Top-K 太小或 chunk 太碎
仍有幻觉：模型自由发挥
慢：embedding/rerank 耗时
重复：chunk 重叠过多
34. 如何加速 RAG 推理？
答
embedding 量化
向量库建 HNSW 索引
rerank 批量处理
缓存高频问题
GPU 部署
35. RAG 如何做权限控制？
答
文档打标签（部门 / 角色）
检索时按用户权限过滤元数据
不把无权限内容喂给模型
举例：普通员工查不到管理层财务文档。
36. 生产级 RAG 系统架构是什么？
答前端 → API 网关 → 历史对话管理 → 查询改写 → 多路召回 → rerank → LLM 生成 → 后校验 → 返回
工具栈：LangChain/LLamaIndex + Milvus + bge-reranker + Qwen/Llama
