字节跳动面试题 · RAG
字节跳动相关面试题，按最终去重题目聚合。
共 3252 道真题 · 当前筛选命中 27 道 · 更新 2026-08-05
筛选题目已选：RAG
考察点
技术栈
第 1 题大模型的记忆机制是怎样的？它是如何存储和提取信息的？ 考察对模型参数记忆与外部记忆机制的区别认识第 2 题请谈谈你理解的RAG（检索增强生成），包括它的核心思想、典型流程以及适用场景。 考察对RAG技术原理、架构流程和应用边界的理解第 3 题请介绍 RAG 的完整流程，并说明构建向量检索库时如何处理时间衰减对召回的影响。 考察对 RAG 全流程的掌握及对向量检索中时效性问题的处理能力第 4 题在RAG架构中引入Few-shot Prompting为什么能提升输出质量？ 考察对Few-shot Prompting在RAG场景中作用机制的理解第 5 题RAG分片的方法是什么？ 考察对检索增强生成中文本分片策略的理解与设计第 6 题在 RAG+知识图谱的 Agent 系统中,知识图谱的更新机制通常如何设计? 考察知识图谱更新机制的整体设计与数据一致性第 7 题Few-shot Prompting与模型微调相比，各自适用的场景是什么？ 考察对两种轻量级模型适配技术的边界认知和选型能力第 8 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 9 题针对RAG召回链路，你会如何优化以兼顾延迟和正确率？ 考察召回链路优化的系统思路与工程权衡第 10 题在Agent落地场景中，RAG通常面临哪些延迟和正确率问题？请分别说明。 考察对Agent场景下RAG性能与准确性的系统认知第 11 题请介绍一下RAG（检索增强生成）的整体流程。 考察对RAG核心链路各环节的理解与表达第 12 题你的知识库项目中是否使用了 RAG（检索增强生成）？如果是，请说明其核心流程和具体组件。 考察对 RAG 技术栈的理解和实际应用能力第 13 题请介绍一下你对 RAG 的理解，并说明 GraphRAG 的核心做法和适用场景。 考察检索增强生成基础及图结构知识增强的理解深度第 14 题在 RAG 系统中，如何对文档进行分片？请考虑不同文档类型和长度。 考察文档分片策略和工程实践第 15 题请介绍你对RAG（检索增强生成）的理解，并说明其核心组件和工作流程。 考察对RAG原理、组件及流程的理解深度第 16 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 17 题RAG检索召回的片段中，有一些质量差的，如何排除掉？ 考察RAG检索结果的质量控制与过滤策略第 18 题了解Agent吗？把RAG做成Agent有什么好处？ 考察对Agent概念的理解以及RAG与Agent结合的架构价值第 19 题请介绍 RAG（检索增强生成）的整体工作流程，并说明在其中引入 RAG 的核心目的是什么。 考察对 RAG 流程与价值的理解，以及能否讲清检索与生成如何配合第 20 题在 RAG+知识图谱的 Agent 系统中,如何保证知识图谱更新的实时性? 考察数据管道实时性与系统中延迟优化手段