面试题库 › 算法 / 大模型 › 万级长文档如何构建 RAG 知识库

万级长文档如何构建 RAG 知识库

难度 ★★☆在 1 场真实面经中被问到 方向:算法 / 大模型考点:RAG基础与流程

哪些公司问过

阿里巴巴1

常见岗位:AI 应用 / Agent 开发

答案要点

  1. 离线链路:解析(含 OCR、表格)→ 清洗去重 → 结构化切分 → 向量化入库
  2. 长文档按标题、段落切分并保留重叠,附带章节路径、页码等元数据
  3. 用父子分块或文档摘要做两级检索,兼顾检索精度与上下文完整性
  4. 混合检索(向量 + BM25)加重排模型,并支持元数据过滤
  5. 基于内容哈希做增量更新,建评测集评估召回率与回答质量

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题