互联网/IT行业面试题 · tech:rag
互联网/IT行业相关面试题，按题目行业基础数据聚合。
共 47588 道真题 · 当前筛选命中 205 道 · 更新 2026-08-05
筛选题目已选：tech:rag
考察点
技术栈
第 101 题针对RAG项目，你提出了哪些优化方向来提升模型的问答效果？ 考察对RAG系统优化方向的理解与实践第 102 题RAG技术的原理是什么？ 考察对检索增强生成核心机制与流程的理解第 103 题相比于让大模型直接回答问题，现在很流行的RAG（检索增强生成）方案，它最大的好处是什么？主要解决了什么痛点？ 考察对RAG技术核心价值与适用场景的理解，以及与纯大模型生成方案的对比优势第 104 题什么是RAG？请结合你的项目经验说明它是如何使用的。 考察对RAG概念的理解及实际项目中的应用能力第 105 题请说明大模型微调（Fine-tuning）与 RAG（检索增强生成）的区别及各自的适用场景。 考察对微调和RAG两种大模型增强方式的理解、选型能力和方案权衡第 106 题请解释RAG技术在电商场景中的典型应用方式。 考察对RAG技术原理及其在电商领域落地场景的理解第 107 题请描述你在项目中实现 RAG 的具体过程。 考察 RAG 流程的完整性与关键技术环节第 108 题请讲解RAG生成阶段如何融合上下文并控制生成质量？ 考察对RAG生成环节的掌握和优化意识第 109 题为什么选择BGE作为嵌入模型？其模型架构是什么？ 考察对BGE模型设计动机与架构的理解第 110 题请描述一个基于向量检索的RAG（检索增强生成）系统从查询到生成的完整处理链路。 考察对RAG架构各环节的理解和系统化表达能力第 111 题请介绍RAG（检索增强生成）的完整流程。 考察对RAG核心组件与流程的理解第 112 题请围绕适老化RAG场景，展开讲讲你认为在适老化领域还有哪些值得尝试的产品或技术方向。 考察对适老化场景的业务理解与技术落地能力第 113 题请描述建立RAG系统的整体流程，并重点说明知识库构建中的分片策略、嵌入模型选择以及向量存储方案。 考察对RAG全流程的理解、知识库构建的关键决策及技术选型能力第 114 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 115 题在设计 RAG 模块时，如何合理拆分上下文压缩和查询改写？请给出实现思路。 考察 RAG 架构设计和查询处理能力第 116 题RAG是什么，大模型是怎么检索文档的？ 考察对检索增强生成的概念理解与检索流程掌握第 117 题RAG 和 GraphRAG 在处理多跳推理时的根本区别？ 考察对 RAG 与 GraphRAG 在知识组织与多跳推理能力上的本质差异理解第 118 题请谈谈你对Agent和RAG的理解。 考察对Agent和RAG核心概念、区别与结合应用的认知第 119 题RAG相比简单的直接文本匹配,有什么优点? 考察对RAG原理及其对比传统文本匹配优势的理解第 120 题在金融业务中，像“杠杆”、“对冲”等许多术语都存在歧义性。你如何在 RAG 中实现术语的准确消歧？ 考察在专业领域RAG中处理术语歧义与上下文消歧的设计能力