后端岗位面试题 · 业务理解 · RAG
题库中标记为“后端”的结构化面试题。
共 89928 道真题 · 当前筛选命中 34 道 · 更新 2026-08-05
筛选题目已选：业务理解 · RAG
考察点
技术栈
第 21 题请谈谈你对RAG、Agent、SSE、幻觉和Prompt相关概念的理解，并说明它们在构建AI应用时各扮演什么角色？ 考察对AI应用关键概念的理解及其实际应用关联第 22 题如果用RAG做判卷场景，你会把什么内容作为检索的知识库或语料库？ 考察对RAG系统知识库构建的领域理解与落地设计能力第 23 题请描述RAG（检索增强生成）的标准流程。 考察对RAG基本架构和流程的掌握第 24 题请介绍你在项目中如何使用大模型、RAG 和 LangChain 技术，并说明它们的核心作用。 考察对大模型应用、RAG 和 LangChain 的理解与实践能力第 25 题RAG有很多发展方向，现在通用化的是去做文档分词、语义召回。你觉得对企业而言，企业的RAG发展方向是怎么样的？ 考察对RAG技术趋势的理解及企业落地场景的判断第 26 题用于RAG的数据是从哪里来的？ 考察对RAG数据来源、预处理与知识库构建流程的理解第 27 题请介绍你实现 RAG 项目时整体处理流程是怎样的？ 考察对 RAG 关键环节的理解、实际落地与问题思考第 28 题谈谈对RAG的理解，你认为它主要解决了哪些问题？ 考察对RAG技术原理、动机和实际价值的理解第 29 题请说明 RAG 的典型使用场景有哪些。 考察对检索增强生成适用场景的理解第 30 题你怎么看像 AI Agent、RAG、MCP 等这些最近很火的概念？ 考察对新兴 AI 技术概念的理解深度、辩证思考及业务落地视角第 31 题RAG引擎具体是做什么的？ 考察对检索增强生成技术原理与核心流程的理解第 32 题请介绍RAG（检索增强生成）技术及其应用场景。 考察对RAG核心原理的理解及其典型应用场景的掌握第 33 题请介绍你对RAG（检索增强生成）和AI Agent的技术理解，并说明它们各自适用的场景。 考察对RAG与AI Agent核心概念、原理和适用场景的理解第 34 题请解释什么是RAG（检索增强生成），并说明其核心工作原理与适用场景。 考察对RAG概念、流程及适用场景的理解