后端岗位面试题 · 技术原理 · 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 116 道 · 更新 2026-08-05
筛选题目已选：技术原理 · tech:rag
考察点
技术栈
第 1 题请介绍检索增强生成（RAG）的基本原理和应用价值。 考察对 RAG 架构的理解、组成模块及其与纯生成模型的区别第 2 题请说明RAG（检索增强生成）的核心原理和标准流程。 考察对RAG原理、流程与组件的理解深度第 3 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 4 题RAG是你搭建的还是直接调用框架本身? 考察候选人对RAG实现层级的理解深度与自主构建能力第 5 题请介绍一下你的RAG项目，并说明整个处理流程。 考察对RAG系统整体架构、各模块流程及技术细节的理解第 6 题请介绍你对 RAG（检索增强生成）的理解和实际应用经验。 考察对 RAG 技术原理及应用场景的掌握第 7 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 8 题RAG中如何进行文本切片与划分？ 考察RAG中文档切分的策略、权衡与工程实践第 9 题RAG系统如何优化？请结合查询重写、多路召回和重排等方面说明。 考察对RAG检索增强生成各优化环节的理解与工程实践第 10 题请描述RAG系统中从原始文档到可检索内容的完整处理流程，包括各环节的主要作用。 考查对RAG（检索增强生成）中文档处理环节的理解，以及能否清晰表述从加载到索引的转化过程。第 11 题如何选择合适的向量维度用于 RAG 系统中的向量检索？ 考察向量维度选择对检索质量和性能的影响第 12 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 13 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 14 题如何评估一个RAG系统的效果？请从检索质量和生成质量两个维度说明评估方法。 考察对RAG系统评估体系的理解，包括检索部分与生成部分的解耦评估及端到端指标第 15 题请描述从用户输入提示词（prompt）开始，经过RAG检索与工具（tool）调用，直至返回结果的完整流程链路。 考察对大模型应用系统（RAG与工具调用）整体架构和流程串接的理解第 16 题RAG 如果生成的内容不好，采用对抗学习应该怎么做？ 考察对 RAG 生成质量问题的理解及应用对抗学习的思路第 17 题AI Agent是怎么实现的？如何通过调用大模型的API、RAG、MCP等组件组合来实现这个Agent？ 考察对大模型应用架构、Agent实现模式和外部工具集成能力的理解第 18 题请谈谈你对MCP、RAG和Agent这三项技术的了解。 考察对新兴AI工程技术的概念理解、适用场景和组合运用认知第 19 题为什么要使用RAG技术？ 考察对RAG技术动机、适用场景和核心优势的理解第 20 题RAG是什么，你的项目里面是怎么用的？ 考察对RAG概念的理解及结合实际项目应用的能力