别只会说挂知识库：RAG 面试 10 题的落地答题清单

源文微信页触发环境验证码，本文按公开 RAG 面试题库与生产实践，改写成「怎么答 + 落地参数 + 追问红线」清单；与本地叙事向 RAG 深挖文互补，侧重可复述的工程答法。

面试官真正想听的，往往不是「我们用了 LangChain + 向量库」，而是：你为什么这么切、Top-K 怎么定、混合检索怎么并、Rerank 前后差多少、坏 case 怎么闭环。下面 10 题按「一句话结论 → 工程落地表 → 追问红线」组织，方便直接背进项目叙事。

先把答法框架钉死

任何一道 RAG 题，建议统一用三层结构回答：

1. 现象：用户侧看到什么（答偏、漏召回、延迟高）。

2. 定位：离线建库问题还是在线链路问题（切分 / Embedding / 召回 / 精排 / Prompt）。

3. 证据：你用过的指标或参数区间（Recall@K、延迟、chunk size）。

把这三层说清楚，比背「七步流水线」更像做过系统的人。

Q1：为什么还要 RAG？微调不就完了吗？

一句话：RAG 补「可变事实与私有语料」；微调补「风格、格式与稳定技能」——多数业务文档会变，优先 RAG。

追问红线：别说「RAG 一定比微调准」。正确答法是：私有知识与时效性 → RAG；任务格式与领域说话方式 → 微调；两者常组合。

Q2：从提问到回答，链路怎么讲才完整？

一句话：离线「解析 → 切分 → Embedding → 入库」；在线「改写 → 召回 → 融合 → Rerank → 组 Prompt → 生成 → 评测」。

面试里不要只念步骤名，每个节点带一个决策点：

追问红线：漏掉 Rerank 或评测闭环，会被当成只跑过 Demo。

Q3：Chunk 切多大？切错了怎么表现？

一句话：检索粒度要「够准」，生成粒度要「够全」——工程上常用小块召回、大块/父块喂模型。

落地参数经验区间（需用评测校准，不是银弹）：

• 通用中文说明文档：chunk_size 300～800 tokens，overlap 10%～15%
• 表格/配置密集：偏小切分 + 标题元数据注入
• Parent-Child：叶子 128～256 用于检索，父级 1k～2k 用于生成

追问红线：说不出「切大信息稀释、切小丢上下文」以及 overlap 的用途，基本判为没调过。

Q4：Embedding 怎么选？维度越大越好吗？

一句话：先看语言与领域榜单，再看延迟/显存；维度是精度与成本的折中，不是越大越强。

答法要点：

1. 中文场景优先看中文检索榜（如 C-MTEB 一类），别只盯英文 MTEB。

2. 双塔 Bi-Encoder 负责「快召回」；别指望它单独扛精排。

3. 垂直领域（法务/医疗/内部术语）考虑对比学习微调，难负例比堆正样本更重要。

4. Matryoshka 一类可截断维度：先训高维，线上按 SLA 截到 256/512。

追问红线：答「我们用了 OpenAI Embedding」却说不出评测集与失败 case，等于没选型。

Q5：向量检索原理是什么？HNSW 你调过哪些参数？

一句话：Embedding 把文本投到高维空间，用近似最近邻（ANN）换亚线性查询；HNSW 是多层可导航小世界图。

相似度优先余弦（看方向）；欧氏易受向量模长/文档长度干扰。百万级以上不要吹「暴力扫全库」。

追问红线：只会说「向量库很快」，说不出精度/延迟/内存三角，会被立刻拆穿。

Q6：向量库怎么选：FAISS / Milvus / Qdrant？

一句话：库（嵌入进程）适合原型；数据库（独立服务）适合多副本、过滤与运维。

答法模板：「我们 QPS/数据量是 X，需要 metadata filter 和副本，所以选 Y；若只做 PoC 会用 FAISS。」

Q7：为什么必须混合检索？RRF 怎么并？

一句话：纯向量弱在精确串（型号、RFC、工单号）；BM25 弱在同义改写——两路召回再用 RRF 融合。

def rrf_merge(rank_lists, k=60):
    scores = {}
    for results in rank_lists:
        for rank, doc_id in enumerate(results):
            scores[doc_id] = scores.get(doc_id, 0.0) + 1.0 / (k + rank + 1)
    return sorted(scores, key=scores.get, reverse=True)

工程落地表：

追问红线：只会说「混合更好」，说不出 RRF / 加权融合差异与 k≈60 经验值，深度不够。

Q8：已经混合检索了，为什么还要 Rerank？

一句话：召回是 Bi-Encoder 粗筛；Rerank 是 Cross-Encoder 精排——先 Top-20～50，再压到 Top-3～8 进上下文。

中文开源常用 bge-reranker-v2-m3 一类；商业 API 也可。面试加分：报一组你项目里的「无 Rerank → 有 Rerank」相对提升（哪怕是小样本人工标注）。

追问红线：把 Rerank 说成「再搜一遍向量库」——概念错。

Q9：幻觉怎么压？Lost in the Middle 怎么防？

一句话：幻觉分「检索没给到」和「给了但模型不用」；前者修召回，后者修 Prompt/压缩/引用约束。

落地手段清单：

1. Prompt 强制：无依据则明确拒答；要求输出引用 chunk id。

2. 上下文压缩：长候选先摘要/抽取，避免中间段落被忽视（Lost in the Middle）。

3. 证据门槛：Rerank 分数低于阈值不入 Prompt。

4. 后校验：答案句子与证据做 NLI/字符级对齐抽检。

追问红线：只说「温度调低」——那是生成技巧，不是 RAG 幻觉治理主路径。

Q10：检索效果差，你的排查清单是什么？

一句话：先分「召不回」还是「召回了但生成差」，再按离线→在线逐项打点。

最小评测闭环（面试一定要提）：

• 离线：Recall@K / MRR / nDCG
• 生成：忠实度（Faithfulness）、答案相关性
• 工程：P95 延迟、单次 Rerank 候选数上限

坏 case 周会：抽 20 条失败，标注失败层（切分/召回/精排/生成），下周只改一层——这比空谈「继续优化 Prompt」更像工程负责人。

面试收尾：把项目讲成一条故事

收尾时用 30 秒串起来：

我们文档以制度与工单为主，精确串多，所以向量 + BM25 + RRF；召回 Top-40，BGE Rerank 压到 6 段；Prompt 强制引用与拒答；每周用 200 条标注集看 Recall@10 和忠实度，坏 case 按层归因。

能把「参数、指标、归因」三件事说圆，比背 10 个名词更值钱。源题单常见变体还会追问 Agentic RAG（多步检索/工具调用）——答法仍是：先证明单跳 RAG 的评测闭环，再谈何时需要 Agent 多跳，避免一上来堆概念。

小结

• RAG 面试考的是决策与证据，不是框架名。
• 切分、混合召回、Rerank、评测闭环是四块高频加分区。
• 每题准备：一句话结论 + 一张参数/对比表 + 一条追问红线。
• 讲项目时用「症状 → 定位层 → 指标变化」叙事，比背流水线更稳。