本篇 10 题｜覆盖初级到高级｜性能与大规模工程。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-131 RAG 延迟应该怎样拆分？
- RAG-132 如何设置各阶段超时？
- RAG-133 RAG 可以缓存哪些内容？
- RAG-134 批量导入为什么会影响在线查询？
- RAG-135 向量索引什么时候需要分片？
- RAG-136 为什么平均延迟正常但 p99 很高？
- RAG-137 如何减少 RAG 的模型调用次数？
- RAG-138 RAG 如何限流与熔断？
- RAG-139 如何验证 RAG 灾难恢复能力？
- RAG-140 RAG 容量评估需要哪些参数？
RAG-131 RAG 延迟应该怎样拆分？
难度：高级
参考答案：分别记录查询处理、嵌入、检索、重排、组装和生成耗时，区分首字延迟与完整回答时间。结合分位数和链路追踪定位瓶颈。
工程追问：并行阶段的耗时能直接相加吗？
RAG-132 如何设置各阶段超时？
难度：高级
参考答案：从整体响应预算倒推阶段预算，预留网络与收尾时间。剩余预算不足时减少非必要步骤或返回可解释降级结果，禁止无限重试。
工程追问：重排超时后如何保证权限不降级？
RAG-133 RAG 可以缓存哪些内容？
难度：高级
参考答案：可缓存文档解析、嵌入、检索结果和部分回答，但每层都需绑定模型、数据版本与权限范围。对时效敏感或个性化结果谨慎复用。
工程追问：语义缓存如何防止近似问题混淆？
RAG-134 批量导入为什么会影响在线查询？
难度：高级
参考答案：导入会争用 CPU、内存、磁盘、数据库连接和模型配额。使用独立队列、限速与资源配额，在高峰降低后台吞吐并监测索引延迟。
工程追问：怎样验证资源隔离是否有效？
RAG-135 向量索引什么时候需要分片？
难度：高级
参考答案：当单节点容量、吞吐或恢复时间无法满足要求时考虑分片。分片带来路由、跨片合并和运维成本，需依据租户分布与查询模式设计。
工程追问：随机分片与按租户分片如何取舍？
RAG-136 为什么平均延迟正常但 p99 很高？
难度：高级
参考答案：可能存在超长文档、冷缓存、慢分片、排队或外部模型抖动。应按输入长度与依赖服务切片，查看尾部请求链路，不能只优化平均值。
工程追问：重试会怎样放大尾延迟？
RAG-137 如何减少 RAG 的模型调用次数？
难度：高级
参考答案：合并兼容的查询处理步骤，优先使用确定性规则与缓存，并评估是否每次都需要改写和重排。保留质量门槛，避免为了省调用破坏关键证据。
工程追问：哪些请求可以直接检索回答？
RAG-138 RAG 如何限流与熔断？
难度：高级
参考答案：按租户和资源消耗控制并发与排队，对故障依赖设置熔断和恢复探测。降级路径也必须遵守权限、成本与正确性边界。
工程追问：向量库熔断时能直接让模型猜吗？
RAG-139 如何验证 RAG 灾难恢复能力？
难度：高级
参考答案：定期恢复原始文档、元数据、权限与索引配置，核对样本答案及引用可访问性。明确哪些索引可重建，并测量恢复时间与数据损失窗口。
工程追问：只有向量备份为何不够？
RAG-140 RAG 容量评估需要哪些参数？
难度：高级
参考答案：考虑文档与片段数量、向量维度、索引开销、并发、上下文长度和更新速率。用代表性数据压测并留增长余量，不能只按原始文件大小估算。
工程追问：副本与索引参数怎样影响内存？
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。