后端岗位面试题 · 技术选型 · 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 39 道 · 更新 2026-08-05
筛选题目已选：技术选型 · tech:rag
考察点
技术栈
第 1 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 2 题让你设计一个RAG你要怎么做？ 考察RAG系统的整体设计、组件选择与关键工程考量第 3 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 4 题公司有面向用户、面向内部的多款产品，用户及内部员工会有各类问题，请设计一个AI助手来解答他们的问题。 考察从需求分析到系统架构的AI助手整体设计能力，覆盖场景、流程、架构与评估第 5 题如果让你设计一个RAG问答机器人，你会怎么设计？ 考察RAG系统设计能力，覆盖检索、生成与评估第 6 题RAG能做哪些优化呢？ 考察对检索增强生成各环节优化点的系统理解第 7 题请结合你在实际项目中的经历，说明你是如何设计和实现RAG系统的，遇到了哪些问题以及如何解决。 考察RAG落地能力、项目实践细节与问题解决思路第 8 题请描述你在项目中如何评估RAG（检索增强生成）系统的效果，以及为什么没有直接使用现成的RAG组件。 考察RAG系统评估方法论与组件选型决策能力第 9 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 10 题在RAG项目中，你如何对文本进行词切分？请结合你的项目说明。 考察文本切分策略及对RAG效果的影响第 11 题请结合你熟悉的业务或项目，谈谈大模型的应用场景和落地方式。 考察对大模型典型应用场景的理解及与具体业务的结合能力第 12 题请介绍你负责的 RAG 项目的整体流程、你的具体工作，以及数据是如何收集的，并说明当时为什么选择 RAG 而不是微调模型。 考察 RAG 项目理解、数据工程细节与方案选型判断第 13 题RAG 能解决什么问题？ 考察对检索增强生成适用场景及其与生成模型局限的关联理解第 14 题请说说你对 MCP、Agent 和 RAG 三者关系的理解，以及它们在实际系统中的应用。 考察对 MCP、Agent、RAG 概念的理解及架构应用能力第 15 题请解释RAG（检索增强生成）的核心原理，并说明它解决了大语言模型的哪些典型问题？ 考察对RAG技术本质及其价值场景的理解第 16 题在 RAG 系统中，你是如何设计文档切分（split）策略的？ 考察 RAG 中文档切分的核心考量与工程实践第 17 题在RAG系统中,分片算法和调参分别如何影响检索效果?你认为哪个更关键,为什么? 考察RAG系统设计中对分片、检索参数及其优先级权衡的理解第 18 题请解释 RAG（检索增强生成）的工作原理，并说明它解决了大模型的哪些问题。 考察对 RAG 技术原理及其价值场景的理解第 19 题请介绍RAG系统性能优化的主要思路与关键手段。 考察对RAG各环节性能瓶颈的识别与系统性优化能力第 20 题在RAG优化中，你为何选用RRF算法而不是其他排序融合方法？ 考察排序融合方法的技术选型与方案权衡能力