检索

什么时候用 RAG，而不是把文档塞进提示？

材料比窗口大、会更新、或需要指出出处时，用检索。回答前先取出相关片段，再让模型基于这些片段生成。检索是查询，增强是把结果放进上下文，生成才是最后一步。

全部塞进提示只在材料短、且每次都要用到时成立。否则既贵，又会因为上下文变长而更难找回关键句。

一条 RAG 链路怎么讲？

分两段。

准备：抽取原文，切成块，做成向量，写入可检索的库。文档可以先统一成 Markdown，减少格式差异。向量库存语义，图数据库可以另存实体关系，面试里点到「向量解决相似、图解决关系」即可。

查询：问题进来，检索 top-k，把片段和问题一起交给模型。生成时应能指回片段，而不是只给一段更流畅的话。

发展上也有三阶段，用来回答「你们的 RAG 是哪一代」：早期靠 BM25 这类词面匹配；后来用稠密向量做语义检索；现在把改写、混合检索、重排做成可插拔模块。

高级检索面试常问哪几个？

• 多查询扩展：同一个问题写成多种说法再检索，合并结果，避免用词不同就漏文档。
• 假设文档嵌入（HyDE）：先让模型写一段假设答案，用这段去搜真文档。问题和文档一个是问句、一个是陈述，直接比向量会偏；假设答案更接近文档的说法。假设答案不必全对，术语和句式已经能把检索带过去。
• 怎么选：要召回就上多查询；专业语料再加 HyDE；延迟敏感就退回基础检索。合并时要去重，候选池要比最终 top-k 大。

检索错了，循环怎么发现？

看观察，不看模型的自信。空结果、片段和问题明显无关、引用对不上句子，都是失败观察，应该触发改写查询或换知识源，而不是把空检索说成「资料里没有」。

连续检索失败要停，把问题和已试过的查询交给人。不要在同一句问法上无限重试。