外观
RAG 基础链路专项面试题
目录
1. 使用说明
- 对应知识主题：RAG 基础链路与数据准备、切片和版本治理篇；
- 角色：资深面试官从 RAG 定义追问到多租户知识助手，高级技术应聘者负责讲清双链路、权限、版本和故障边界；
- 回答顺序：先用 1～3 句专业短答，再用生活化解释；不能把 RAG 简化成向量库，也不能声称它消除幻觉；
事实红线｜ Chunk、overlap、Top-k、阈值和 ANN 参数没有通用固定值，必须由目标语料、标注集、预算和实测确定；
- 题目数量：7 题，严格覆盖 L1～L7。
阅读图例｜
L1～L2概念与边界 ·L3～L4原理与实现 ·L5工程 ·L6架构 ·L7项目复盘答案层级｜ 必答结论 · 小白解释 · 加分项 · 高频误区 · 下一问
2. 递进路线
图：RAG 基础链路 L1～L7 递进路线
替代文本： L1 RAG 定义与双链路 → L2 方案边界 → L3 Chunk/Embedding/Top-k 原理 → L4 权限感知实现 → L5 全链路排障 → L6 版本化生产架构 → L7 示例知识助手复盘。
图表加载中…
读图结论： 蓝色阶段建立概念与边界，紫色阶段进入原理与实现，橙色和青色阶段验证工程与架构能力，绿色阶段用项目证据完成复盘。
题链先建立“离线摄取 + 在线查询”的整体视角，再进入检索单元与上下文预算，随后把 ACL、版本、删除和引用落到实现，最后验证能否用证据纪律讲清项目设计。
图：RAG 离线入库与在线问答在版本化索引汇合
替代文本： 离线链路将源文档、ACL 和变更事件解析、切块并向量化，通过质量门禁后发布包含语料、切块、Embedding 和索引版本的不可变清单；在线链路用该清单选择兼容的查询 Embedding 和索引，在权限条件下检索，最终把索引版本与证据 ID 写入 Trace。
图表加载中…
读图结论： 离线与在线不是两套松散脚本；它们以不可变版本清单为契约，只有查询 Embedding、索引、原文和权限元数据对齐到同一发布版本，线上结果才能重放与回滚。
面试时要主动说明两个汇合约束：一是只有门禁通过的不可变索引才能原子切换为 active，二是在线 Trace 必须保留实际读取的版本和证据 ID。否则“文档已更新但仍答旧内容”时，无法区分摄取落后、别名未切换、版本不兼容或缓存陈旧。
3. 一问一答
第 1 题｜L1 概念｜什么是 RAG，为什么不能把它等同于向量数据库？
核心考察点｜RAG 的端到端定义、双链路与能力边界
面试官提问
请用离线和在线两条链路说明 RAG 的完整职责，并给出能力边界。
30 秒专业短答
Retrieval-Augmented Generation（检索增强生成，RAG）是在生成前从外部知识源取回证据，并把问题与证据共同交给模型。离线侧负责解析、切块、Embedding、索引和版本治理，在线侧负责身份解析、检索、授权、上下文组装、生成与引用；向量库只是其中一个检索组件，RAG 也不能保证消除幻觉。
小白解释
它像一次开卷考试：先把书整理成可查目录，考试时再按提问和读者权限翻到相关页，最后组织答案并标出处。目录柜不是整个考试系统，翻到正确页也不代表考生一定不会理解错。
- 合格线｜ 离线摄取、在线查询、外部证据、生成与引用；明确 RAG 不等于向量库且不保证正确；
- 加分项｜ 区分语料不存在、检索未命中、上下文丢失和生成不忠实；
- 高频误区｜ 回答成“Embedding 加向量库”，或承诺用了 RAG 就没有幻觉；
- 下一问｜ 链路明确后，继续判断何时应选 RAG，何时应选微调、工具或长上下文。
第 2 题｜L2 边界｜RAG、微调、长上下文和确定性工具如何选择？
核心考察点｜RAG 与相近方案的输入、输出及适用边界
面试官提问
面对动态制度、稳定输出格式、实时订单状态和固定知识集，请分别说明方案选择。
30 秒专业短答
动态私有事实、引用和独立更新适合 RAG；行为风格与特定任务能力可用 Prompt 或微调；权威实时状态、计算和交易应调用数据库或确定性工具；小而稳定的资料可评估长上下文或缓存。它们不是互斥方案，选择取决于事实来源、更新频率、审计、风险、延迟和成本。
小白解释
查最新规章像去档案室找当前版本；训练固定答题格式像教人养成表达习惯；查账户余额则要看银行账本，不能让人凭记忆猜。资料很少时可以整本带进考场，但书多了仍要先检索。
- 合格线｜ 动态事实选 RAG，行为能力选 Prompt/微调，实时权威状态选工具；
- 加分项｜ 补充引用、权限、更新一致性和无答案拒答要求；
- 高频误区｜ 把 RAG 与微调说成互斥，或用模型回答替代确定性交易系统；
- 下一问｜ 确定使用 RAG 后，需要解释 Chunk、Embedding、Top-k 和上下文预算为什么彼此耦合。
第 3 题｜L3 原理｜Chunk、Embedding、Top-k 与上下文预算如何共同影响效果？
核心考察点｜检索单元、向量空间、候选深度和 Token 预算的联动
面试官提问
为什么不能给所有系统规定统一 Chunk 大小和 Top-k？
30 秒专业短答
Chunk 太大容易混合主题并占用上下文，太小会丢失条件和跨段关系；Embedding 将查询与 Chunk 映射到兼容向量空间，Top-k 决定候选覆盖与噪声，上下文预算再决定哪些证据真正进入模型。最佳取值依赖文档结构、答案跨度、模型 Token 预算、检索器和标注集，不存在通用固定 Chunk、overlap 或 Top-k。
小白解释
把书剪成卡片时，卡片太大会夹杂很多无关话，太小又把一句条件拆散；找回的卡片太少可能漏答案，太多会把桌面堆满。要用自己的书和问题做实验，不能照抄别人卡片尺寸。
- 合格线｜ 讲清过大/过小 Chunk、Top-k 召回/噪声与上下文截断；
- 加分项｜ 提到父子块、同源去重、Recall@k 与端到端忠实度联合评测；
- 高频误区｜ 给出“通用最优”数字，或认为增大 Top-k 只会提高质量；
- 下一问｜ 原理清楚后，要把身份、ACL、原文版本和引用落实到真实查询路径。
第 4 题｜L4 实现｜如何实现一个权限安全的 RAG 在线查询链路？
核心考察点｜可信身份、检索内 ACL、二次授权、上下文与引用
面试官提问
请从可信身份到最终引用说明顺序，解释为什么不能全库 Top-k 后再过滤。
30 秒专业短答
服务端先从认证上下文计算 tenant、用户组、项目和文档 ACL，将条件推入关键词与向量等每一路检索，再对候选二次授权、去重、核对原文版本并按 Token 预算组装上下文。先全库 Top-k 再过滤会让未授权文档挤占候选，且分数、缓存或正文可能越过权限边界；召回后授权是二次防线，不能替代检索前或检索内过滤。
小白解释
图书管理员应先确认你能进哪些书架，再从这些书架找最相关的书；不能先把保密文件拿到桌上，再说最后不给你看。找到书后还要再验一次借阅权限，防止目录或缓存出错。
- 合格线｜ ACL 来自可信服务，进入每路召回；候选再授权并核对版本；
- 加分项｜ 权限指纹与策略版本进入缓存键，撤权主动失效并覆盖越权回归测试；
- 高频误区｜ 从用户 Prompt 读取 tenant/role，或只在生成后隐藏敏感文本；
- 下一问｜ 链路能工作后，继续诊断“文档明明存在却查不到”或“查对却答错”。
第 5 题｜L5 工程｜线上 RAG 突然查不到或答错，如何按证据排障？
核心考察点｜从语料到生成的分层观测、止损、修复与防复发
面试官提问
请分别处理“偶发检索为空”和“检索有结果但回答跑偏”，给出可观测信号、排查顺序和闭环方式。
30 秒专业短答
我会固定 request_id、身份和版本，依次检查权威语料、解析/Chunk、索引、查询处理、ACL 前后候选、final_context 和生成。偶发空召回先对比节点、索引别名、缓存、超时与 candidate_count，稳定空召回再查切片粒度、Analyzer、Embedding 相似度和 ANN；回答跑偏先看正确证据是否进入 final_context，没进入查排序与 Token 预算，已进入才查 Prompt 窗口、冲突证据和模型忠实度。修复后重放原请求并把样本与断言加入门禁。
小白解释
快递没到时，先查商家是否发货、仓库是否入库、运输单是否更新、地址是否正确，再查送到家门口后是否拿错；不能一开始就怪最后一位快递员。修好后还要留下这张异常单，防止下次再漏。
- 合格线｜ 语料→解析→索引→检索/ACL→上下文→生成的顺序和实际 Trace；
- 加分项｜ 区分原始候选、过滤后候选、score/rank、final_context Token、引用版本、截断位置及缓存污染；
- 高频误区｜ 直接换大模型、增大 Top-k，或只看服务是否返回 200；
- 下一问｜ 单请求能定位后，需要设计支持更新、删除、撤权和回滚的版本化系统。
第 6 题｜L6 架构｜生产 RAG 如何管理摄取、索引版本、删除和回滚？
核心考察点｜不可变版本、原子切换、删除/撤权传播、缓存与回滚
面试官提问
请说明离线构建与在线切换如何避免半新半旧，并覆盖缓存和多租户权限。
30 秒专业短答
我会把 corpus、parser、chunker、embedding、index、retriever 和 prompt/model 绑定为可重放版本；新文档先进入暂存索引，完成完整性、抽样查询和权限测试后原子切换读别名，旧版保留回滚。删除和撤权产生可审计事件，原文、Chunk、索引与缓存共同失效；查询只允许访问兼容向量空间，并在检索与缓存命中后重新授权。
小白解释
更新百科全书时先在备用书架排好整套新版本，检查页码和权限后再一次性换牌子，不能边营业边把新旧页混在一起。撤下一页时，目录、复印件和借阅缓存都要同步清除。
- 合格线｜ 独立构建、质量门禁、原子别名、兼容索引和全链失效；
- 加分项｜ 内容哈希、失败队列、摄取对账、撤权传播测试和版本化 Trace；
- 高频误区｜ 把新旧 Embedding 混写同一索引，或只删原文不删向量与缓存；
- 下一问｜ 最后用一个示例项目说明约束、难点、风险和可验证证据，而不是编造效果。
第 7 题｜L7 项目复盘｜如何设计一个企业内部运维知识助手？
核心考察点｜项目表达、技术难点、风险闭环与证据纪律
面试官提问
请从业务目标、双链路、权限、失败场景和验收证据复盘；当前能否声称线上收益？
30 秒专业短答
这是源文档中的示例设计：离线对 Markdown、PDF 和工单做版本识别、类型化解析、结构切块、批量 Embedding、暂存索引质检与原子切换；在线由网关传入可信身份，执行带 ACL 的混合召回、二次授权、原文核对、上下文预算、引用式生成和拒答。难点是解析质量、版本一致性和权限隔离，代表性风险是旧制度残留、未授权缓存和检索正确但上下文被截断；应以新增/修改/删除/撤权回归、分层 Trace 和固定证据集验收。仓库没有真实运行与评测结果，因此不能声称 QPS、Recall、延迟或业务收益。
小白解释
这是施工蓝图：不同格式的手册先分类整理成带版本和门禁的卡片，员工提问时只从有权书架找资料，再返回可核验页码；还要演练换制度、撤权限和找不到答案。现在有设计和验收方法，没有真实成绩单。
- 合格线｜ 双链路、版本、ACL、引用、拒答和覆盖更新/删除的测试；
- 加分项｜ 将失败归到覆盖、解析、索引、查询、召回、上下文或生成，并沉淀 Runbook；
- 高频误区｜ 把示例包装成上线经历，或虚构准确率、成本和收益；
- 下一问｜ 本组题结束；后续应进入混合召回、融合、重排与分层评测专项。
4. 自测与评分
- [ ] 不看文档画出 RAG 的离线摄取与在线查询双链路；
- [ ] 用三类文档比较不同 Chunk/Top-k，并解释为何不能照搬固定数值；
- [ ] 设计同租户同角色但不同文档权限的越权回归；
- [ ] 为新增、更新、删除、撤权和索引回滚写验收清单；
- [ ] 按准确性、原理深度、工程意识、项目表达、沟通结构各 0～5 分评分；
- [ ] 第 7 题必须明确是示例设计，不得虚构任何运行指标。
5. 事实边界与参考资料
- 单一事实源：RAG 基础链路与数据准备、切片和版本治理篇；
- 源文档依据包括 RAG、DPR、FAISS、HNSW 原始论文与官方源码/文档；
- Chunk、overlap、Top-k、相似度阈值、ANN 参数和缓存期限必须在目标语料与风险约束下实测；
当前无法确认｜ 示例知识助手的数据规模、模型、索引、Recall、延迟、成本、QPS 与线上业务效果。
6. 总结
一句话记忆： RAG 是把版本化外部证据安全送入模型上下文的双链路系统，不是一座向量库。
- 离线负责解析、切块、向量化与索引，在线负责身份、召回、上下文、生成和引用；
- Chunk、Top-k 和上下文预算必须基于目标数据评测，没有通用固定值；
- ACL 来自可信身份并进入每路召回，候选返回后仍要二次授权；
- 排障先查语料、解析和索引，再查检索、上下文与生成；
- 项目没有实测证据时，只能说明设计、风险和验证方法，不能报告效果。