RAG 相比直接把文档丢给大模型有何优势
哪些公司问过
答案要点
- RAG 先检索相关片段再生成,直接丢文档受上下文长度限制
- 检索后上下文更聚焦,减少长上下文中信息被忽略和幻觉
- 每次只传少量片段,token 成本和响应延迟更低
- 知识库可独立更新、无需重训模型,并可提供引用来源和权限过滤
- 文档少或需要通读全文总结时,直接放进上下文可能更简单有效
易错点
- 认为 RAG 能完全消除幻觉,实际检索错误时仍会答错
- 忽略检索召回质量,以为接入向量库就能用
- 认为所有场景都应该用 RAG,忽略小文档直接放入上下文更简单
- 只谈优点不谈切片、召回、链路复杂度等代价
面试官常见追问
- RAG 的主要短板是什么?怎么缓解?
- 长上下文模型越来越强,RAG 还有必要吗?
- RAG 和微调分别适合什么场景?
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。