本篇 10 题｜覆盖初级到高级｜RAG架构与适用边界。先用自己的话回答，再核对参考要点，最后练习工程追问。
本篇目录
- RAG-001 RAG 的基本流程是什么？
- RAG-002 RAG 解决的是哪些问题？
- RAG-003 传统搜索与 RAG 的输出差异是什么？
- RAG-004 什么场景更适合直接查询数据库？
- RAG-005 RAG 与微调如何协同？
- RAG-006 如何划分离线与在线链路责任？
- RAG-007 什么时候需要多路检索？
- RAG-008 RAG 的成功指标应该怎样定义？
- RAG-009 原始论文中的 RAG 与工程 RAG 有何关系？
- RAG-010 如何建立最简单的 RAG 基线？
RAG-001 RAG 的基本流程是什么？
难度：初级
参考答案：离线阶段解析、切分并索引授权知识，在线阶段检索相关证据，再让模型基于证据生成答案。实际系统还需要权限、版本、引用与评测；“向量库加模型”只是简化描述，不是完整生产架构。
工程追问：离线索引成功是否代表在线问答可靠？
RAG-002 RAG 解决的是哪些问题？
难度：中级
参考答案：它主要帮助引入外部知识、更新事实与提供来源，但不自动保证生成正确或操作安全。需要分别检查文档质量、检索覆盖和答案忠实度，不能把所有模型错误都归因于知识库不够大。
工程追问：哪些错误无法靠增加文档解决？
RAG-003 传统搜索与 RAG 的输出差异是什么？
难度：初级
参考答案：搜索返回候选文档，RAG 进一步组织回答并建立结论与证据的关系。生成阶段会引入新的错误风险，因此应保留可点击来源和原文位置，并允许用户查看搜索结果而不只看摘要。
工程追问：如何证明答案确实来自检索内容？
RAG-004 什么场景更适合直接查询数据库？
难度：初级
参考答案：结构化、最新且需精确过滤或统计的数据，应使用数据库或受控业务 API。RAG 更适合非结构化知识解释；把订单状态写进向量库再猜答案，会增加更新延迟和精确性风险。
工程追问：统计本月销售额为什么不能只做语义检索？
RAG-005 RAG 与微调如何协同？
难度：中级
参考答案：检索提供可更新的知识，微调改善任务行为、术语表达或工具使用。应先定位问题属于知识覆盖还是行为能力，再决定投入；不能把需要及时删除的知识只写入参数中。
工程追问：格式错误与知识缺失应怎样分别处理？
RAG-006 如何划分离线与在线链路责任？
难度：中级
参考答案：离线链路负责解析质量、去重、版本和索引一致性；在线链路负责鉴权、查询、证据选择与回答。两者需共享文档标识与数据血缘，使线上问题能追溯到具体导入批次。
工程追问：一个错误答案如何定位到原始文档？
RAG-007 什么时候需要多路检索？
难度：初级
参考答案：当关键词、语义、表格或不同知识源互补时，可使用多路候选召回。要定义合并、去重与重排策略，统计每路的贡献和成本；简单叠加候选不一定提升最终答案。
工程追问：某一路召回的结果一直没被使用应怎么办？
RAG-008 RAG 的成功指标应该怎样定义？
难度：中级
参考答案：同时看证据召回、引用支持、答案正确、拒答、任务完成、延迟与成本。关键业务需设置不可接受错误的门禁，避免只优化相似度或用户点赞而忽视越权与编造。
工程追问：检索指标变好但答案变差可能是什么原因？
RAG-009 原始论文中的 RAG 与工程 RAG 有何关系？
难度：初级
参考答案：原始研究讨论检索与生成模型的组合学习，工程中常把外部检索后向模型提供证据统称 RAG。面试应说明具体实现是否训练检索器或生成器，而不是把术语当成统一架构。
工程追问：你的系统有哪些组件经过训练？
RAG-010 如何建立最简单的 RAG 基线？
难度：中级
参考答案：先选一组高质量文档、固定切分与一个检索器，手工构建代表性问题和证据标签，再接入生成。保留纯搜索与不检索回答作为对照，逐步判断每个新组件是否改善业务指标。
工程追问：为什么一开始不应堆叠所有高级技术？
复盘练习
任选一题，用“场景与约束 → 方案 → 验证方法 → 失败边界”组织一段回答。初级先讲清概念，中级补实现与测试，高级补成本、权限和故障取舍。难度标签是学习建议，同一题可继续深入。
延伸阅读
以下为本模块相关原始论文与官方文档，用于继续学习；本文为原创面试要点整理，具体框架行为以所用版本为准。