多类型庞杂知识库如何优先返回最相关的知识
哪些公司问过
阿里巴巴国际站1
答案要点
- 按数据类型定制切块与索引:表格保留结构,代码按语法单元切分,FAQ 以问题做检索键
- 元数据(类型、来源、时间、权限)既用于过滤,也用于排序加权
- 查询意图识别与路由:判断优先查哪类知识,必要时做查询改写或拆分
- 混合检索(向量 + BM25)多路召回,用 RRF 融合后由 Cross-Encoder 重排
- 用 Recall@K、MRR 等指标离线评估,并结合线上反馈迭代
易错点
- 所有类型统一按固定长度切块,表格和代码的结构被切碎
- 只用向量检索,代码标识符、错误码这类精确词召回不到
- 把不同索引的相似度分数直接放在一起排序,量纲不一致
面试官常见追问
- 不同类型的检索分数不可比,怎么合并?
- 表格类知识怎么检索效果更好?
- 路由判断错了怎么办?
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。