---

一、一句话概括（先给结论）

RAG = 检索（Retrieve）+ 增强（Augment）+ 生成（Generate）

即：先根据用户问题去外部知识库找回相关文档，再把文档和问题拼在一起交给大模型回答。

---

二、完整流程（5个阶段，面试按这个讲）

阶段1：离线索引（预处理阶段）—— 把知识库“编成目录”

这一步是在用户提问之前做好的准备工作，只需做一次（知识更新时重新做）。

子步骤	具体操作
文档清洗	去除页眉页脚、特殊字符、乱码，统一编码格式
文档切块（Chunking）	将长文档切分为合适大小的文本块（通常 200~500 字），避免过长或过短影响检索精度
向量化（Embedding）	用嵌入模型（如 text-embedding-ada-002、BGE）将每个文本块转成固定维度的向量
构建索引	将向量存入向量数据库（如 Milvus、Pinecone、Chroma、FAISS），并建立高效索引（如 HNSW、IVF）

这个阶段的核心产出是 “向量索引库”，相当于一本书的目录。

---

阶段2：查询理解（在线预处理）—— 让问题更“好搜”

用户提问后，先对问题本身做优化，提升检索质量。

子步骤	具体操作
Query 改写	将口语化问题改写为更规范的检索语句（如“怎么退钱” → “退款流程”）
Query 扩展	生成同义词或相关问法，以覆盖更多召回结果（如“价格”扩展为“费用、收费、定价”）
多路查询	同时生成多个不同措辞的查询向量，分别检索后再合并结果

这一步不是必须的，但属于加分优化项，面试时提到说明你有工程经验。

---

阶段3：检索召回（核心环节）—— 从知识库里“翻书”

将处理好的 Query 向量化，与索引库中的向量做相似度匹配。

子步骤	具体操作
向量检索	计算 Query 向量与所有 Chunk 向量的余弦相似度或内积，召回 Top-$k$（如 $k=5$ 或 $10$）个最相似的文本块
关键词检索（混合检索）	可结合 BM25 / TF-IDF 做关键词匹配，与向量检索结果融合（hybrid search），提升召回率
重排序（Rerank）	用更精密的交叉编码器（Cross-Encoder）对召回的 Top-$k$ 重新打分排序，选出最相关的少数几个（如 Top-3）

召回质量决定了最终回答的准确性，是 RAG 的命门。

---

阶段4：上下文增强（拼接阶段）—— 把“答案素材”塞给模型

将检索到的相关文本块与原始用户问题组合成一条完整的 Prompt。

子步骤	具体操作
构建 Prompt 模板	例如：“请根据以下参考内容回答问题：\n\n参考内容：{context}\n\n问题：{question}”
上下文压缩	如果检索内容过长，可先用摘要模型压缩，避免超出上下文窗口
注入系统指令	添加约束条件，如“如果参考内容中没有答案，请直接说不知道，不要编造”

这一步的 Prompt 设计直接影响模型是否会“胡说八道”。

---

阶段5：生成回答（推理阶段）—— 让模型“照着念”并组织语言

将拼接好的 Prompt 送入大语言模型（LLM），生成最终回答。

子步骤	具体操作
LLM 推理	模型基于参考内容 + 问题，生成自然语言答案
引用标注	可在回答中标注信息来源（如 [1]、[2]），对应到具体的文档块，增强可信度
答案校验	可选环节：检查生成的答案是否与检索内容一致，防止模型“跑偏”

---

三、流程图（用文字描述，面试时可边说边画）

用户提问
↓
Query 理解（改写 / 扩展）
↓
向量检索（召回 Top-k 相关文档块）
↓
重排序（Rerank，选出最相关的少数几块）
↓
拼接 Prompt（参考内容 + 用户问题）
↓
LLM 生成回答
↓
返回用户（可带引用来源）

---

四、此问题适合作为面试题吗？

适合，而且是一道很实用的基础题。

能快速考察候选人对 RAG 整体架构的理解是否清晰；

适合初、中级岗位或作为高级岗位的热身题；

后续可以方便地追问细节，比如：分块策略、向量模型选择、重排序方法、如何评估检索质量等。

五、面试关键追问及回答策略

面试官常在这个问题基础上做延伸追问，以下是高频追问及标准应答：

Q1：检索到的文档块怎么切分最好？

答：没有固定标准，一般遵循三个原则：

• 按语义边界切（如段落、章节），而不是机械按字符数截断；
• Chunk 大小通常设为 $200 \sim 500$ 个 token，太小丢失上下文，太大则引入噪声；
• 可叠加 重叠切分（overlap），让相邻块有部分重复，避免关键信息恰好被切断在边界。

Q2：向量检索为什么有时不准？怎么优化？

答：不准的原因主要有三条：

• 1、Embedding 模型与领域不匹配（例如通用模型处理医疗专业术语效果差） → 解决方案：用领域数据微调 Embedding 模型；
• 2、Chunk 切分不合理 → 解决方案：改用语义切分，或尝试不同的 chunk size 做消融实验；
• 3、相似度计算过于单一 → 解决方案：采用混合检索（向量 + 关键词），再做 Rerank。

Q3：你提到重排序（Rerank），它与向量检索有什么区别？

答：

• 向量检索（双塔模型）速度快，能处理百万级数据，但精度相对较低，用于 “粗排”，从海量数据中快速筛出 Top-100；
• Rerank（交叉编码器）精度高，但计算量大，无法处理大规模数据，用于 “精排”，仅对 Top-100 中的文档做二次打分，选出 Top-3。

这两者通常是级联使用：粗召回 → 精排序，兼顾效率与精度。

---

六、补充公式（方便面试推导）

若定义检索阶段召回相关文档的概率为：

$$ P(\text{retrieve}) = \text{Top-}k \left( \text{sim}\big(\text{Emb}(q),\, \text{Emb}(d_i)\big) \right) $$

其中 $\text{Emb}(\cdot)$ 为嵌入函数，$\text{sim}(\cdot)$ 为余弦相似度。

最终生成阶段的条件概率为：

$$ P(y \mid q) = \sum_{d \in \text{Top-}k} P(d \mid q) \cdot P_{\text{LLM}}(y \mid q, d) $$

前者由检索器决定，后者由生成模型决定。

---

七、面试加分提醒

回答流程类问题，一定不要只背阶段名称。

更好的表达方式是：“先离线的索引构建，再在线的检索生成”，并且每讲一个阶段都顺带提一句该阶段的常见坑和优化手段，这样能立刻拉开和其他候选人的差距。

---

---