RAG 核心知识与面试题

一、RAG 基础原理

什么是 RAG？

RAG（Retrieval-Augmented Generation，检索增强生成）是一种让 LLM 在生成回答前，先从外部知识库检索相关信息的技术。

工作流程

1. 用户查询 → 2. Query 向量化 → 3. 向量数据库检索 → 4. 拼接上下文到 Prompt → 5. LLM 生成回答

为什么需要 RAG？

• 减少幻觉：回答基于真实数据，而非模型"编造"

• 知识更新：无需重新训练模型就能访问最新数据

• 领域知识：接入企业内部数据、专业文档

• 成本低：比微调（Fine-tuning）便宜得多

• 可溯源：可以标注信息来源，便于验证

---

二、RAG 核心组件

1. 文档处理（Document Processing）

• 加载：PDF、Word、网页、数据库等多种数据源

• 分块（Chunking）：将长文档切分为适合检索的小块

  • 固定大小分块：按字符/token 数切分
  • 语义分块：按段落/章节等语义边界切分
  • 递归分块：先按大边界分，不够再细分
  • 关键参数：chunk_size（块大小）、chunk_overlap（重叠区）

2. 嵌入（Embedding）

• 将文本转为高维向量，捕捉语义信息

• 常用模型：OpenAI text-embedding-3-small/large、BGE、E5、Jina

• 中文推荐：BGE-zh、M3E、text2vec-chinese

3. 向量存储与检索

• 稀疏检索：BM25（关键词匹配），精确但无语义理解

• 密集检索：向量相似度（余弦/内积），理解语义但可能丢失精确匹配

• 混合检索：结合两者，效果最佳

• 重排序（Reranking）：用 Cross-Encoder 对检索结果二次排序

4. 上下文构建与生成

• 将检索到的文档块拼入 Prompt

• 注意 Context Window 限制

• Prompt 模板设计：指导 LLM 基于给定上下文回答

---

三、RAG 高级技术

1. Query 改写 / 扩展

• HyDE：先让 LLM 生成假设性答案，再用该答案做检索

• Multi-Query：将原始问题改写为多个变体，分别检索后合并

• Step-back Prompting：先问更抽象的问题，获取背景知识

2. Agentic RAG

• 将 AI Agent 整合到 RAG 管道中

• Agent 主动决定：是否需要检索、用哪个数据源、检索结果是否足够

• 支持多数据源路由、迭代检索、自我反思

• vs 传统 RAG：传统 RAG 是"查一次就回答"，Agentic RAG 是"边想边查"

3. Graph RAG

• 结合知识图谱，捕捉实体间关系

• 适合需要推理和关系分析的场景

4. Corrective RAG（CRAG）

• 检索后先评估文档相关性

• 不相关→触发 Web 搜索补充

• 有相关→提取关键信息后生成

5. Self-RAG

• LLM 自己判断是否需要检索

• 生成后自我评估答案质量

• 必要时重新检索

---

四、RAG vs Fine-tuning

维度	RAG	Fine-tuning
成本	低（只需向量库）	高（需要训练）
知识更新	实时（更新文档即可）	需重新训练
幻觉控制	好（有据可查）	一般
领域适应	通过文档实现	通过训练数据实现
推理能力	不增强	可增强
适用场景	知识问答、文档搜索	风格/格式/推理定制

最佳实践：两者结合使用。Fine-tune 提升模型基础能力，RAG 提供实时知识。

---

五、高频面试题

基础概念

1. 什么是 RAG？与直接用 LLM 回答有什么区别？

2. RAG 的端到端管道是怎样的？画出架构图并解释每个组件。

3. RAG 如何减少 LLM 的幻觉？

4. RAG vs Fine-tuning，各自适用场景？何时结合使用？

5. 向量数据库在 RAG 中的作用？你用过哪些？

检索优化

6. 稀疏检索 vs 密集检索的优缺点？什么是混合检索？

7. Chunking 策略有哪些？chunk_size 和 chunk_overlap 如何设置？

8. 如何处理检索到的不相关文档？

9. 什么是 Reranking？为什么需要它？

10. 如何评估检索质量（Precision@K, Recall@K, MRR, NDCG）？

高级技术

11. 什么是 Agentic RAG？与传统 RAG 有何不同？

12. 解释 HyDE 的原理和适用场景

13. Multi-Query RAG 如何工作？

14. Graph RAG 解决什么问题？

15. Self-RAG 和 CRAG 的区别？

工程实践

16. 生产环境部署 RAG 有哪些挑战（延迟、成本、准确率）？

17. 如何评估 RAG 系统的整体性能？有哪些评测框架（RAGAS, TruLens）？

18. 如何处理多模态数据（图片、表格）的 RAG？

19. 大规模文档库（百万级）如何优化检索性能？

20. RAG 系统的安全性问题（Prompt 注入、数据泄露）如何防范？

---

六、参考答案要点

Q1: RAG 如何减少幻觉？

• LLM 回答基于检索到的真实文档，而非纯靠参数记忆

• Prompt 中明确指示"仅基于以下上下文回答"

• 可以返回来源引用，用户可验证

• 但不能完全消除：检索不准或文档本身有误仍可能产生幻觉

Q6: Chunking 最佳实践

• chunk_size 通常 256-1024 tokens，取决于文档类型

• chunk_overlap 通常 10-20%，防止语义断裂

• 代码类文档：按函数/类分块

• 对话类：按轮次分块

• 表格类：保持表格完整性

• 实验调优：不同场景最优参数不同，需要评测验证

Q11: Agentic RAG

• 传统 RAG：Query → 检索 → 生成（一次性）

• Agentic RAG：Agent 判断→是否检索→选择数据源→评估结果→可能重新检索→最终生成

• 优势：更灵活、更准确、支持复杂多步推理

• 实现：用 LangGraph 构建，Agent 作为路由节点