后端岗位面试题 · tech: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 152 道 · 更新 2026-08-05
筛选题目已选：tech:rag
考察点
技术栈
第 101 题Agent和RAG有了解吗？展开说说。 考察对Agent与RAG技术概念、区别联系及实际应用的理解深度第 102 题请简述RAG（检索增强生成）检索的基本过程和关键步骤。 考察对RAG检索流程的理解，包括索引构建、查询处理、检索与排序第 103 题请介绍你对 RAG（检索增强生成）的理解及常见实现思路。 考察对检索增强生成技术的原理理解、关键组件和典型流程的掌握第 104 题在构建RAG项目时，你遇到了哪些主要挑战？ 考察对RAG完整链路中常见技术难点的理解与解决能力第 105 题请介绍一下你搭建的RAG项目的整体流程和关键环节设计。 考察对RAG系统架构、数据处理与检索生成流程的理解及项目实践能力第 106 题在RAG系统中，向量数据库中的内容未经模型训练，为什么模型还能据此正确回答？ 考察对RAG外部知识与参数知识关系的理解第 107 题伪多模态RAG与真正的多模态RAG在实现上有何区别？ 考察对多模态RAG实现深度的理解第 108 题如何将人工回答反馈接入向量库以优化 RAG 系统？ 考察反馈闭环和数据治理能力第 109 题RAG有了解吗？介绍一下RAG的工作原理和适用场景。 考察对RAG基础概念、工作原理和应用场景的理解第 110 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 111 题在什么情况下可以判断某个场景不一定要使用 RAG？ 考察对技术选型边界和方案权衡的判断第 112 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 113 题请设计一个基于RAG的大文档检索系统，并说明如何增强检索效果。 考察对RAG架构、文档分块、检索增强与回答生成的理解和设计能力第 114 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 115 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 116 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 117 题请设计一个用于RAG系统的Agent提示词（Prompt），并说明其关键组成部分。 考察对RAG系统中Agent提示词设计的理解，包括角色设定、任务分解、上下文利用和输出约束第 118 题请解释 RAG（检索增强生成）的核心流程及其在 LLM 应用中的作用。 考察对 RAG 技术原理、流程和价值的理解第 119 题请介绍RAG（检索增强生成）的基本原理和典型实现流程。 考察对RAG技术概念、检索与生成结合思路的理解第 120 题如果候选人对 Agent 有了解，请说明 Agent 与 RAG 的区别和联系。 考察对大模型应用层组件边界的理解