完整讲一遍 RAG 链路：从文档进来到答案出去，每一步在解决什么问题？
谁在问：一面开场必问；简历写了 RAG 项目几乎 100% 会被问
口语化问法
- 你先给我讲讲你理解的 RAG 是怎么工作的，从头到尾。
- 一个 RAG 系统大概分几步？
- 用户问一个问题，到拿到答案，中间发生了什么？
考察意图
热身题，但淘汰率不低。面试官在看三件事：① 你是「搭过系统」还是「调过 API」——搭过的人会自然分出离线和在线两条线；② 你能不能说出每步在解决什么问题，而不是背名词；③ 你的表达是否有结构——这题答得散乱，后面的深挖题面试官会自动降低预期。
参考答案
60 分答案（及格线）
RAG 分两个阶段。离线建索引：文档解析成文本 → 切成 chunk → 用 embedding 模型向量化 → 存进向量库建索引。在线查询：用户问题向量化 → 在向量库里检索最相似的 top-k 个 chunk → 把这些 chunk 和问题一起拼成 prompt → 交给 LLM 生成答案。核心思想是让模型「开卷考试」，用外部知识弥补它不知道私有数据、知识有截止日期的问题。
90 分答案（有生产经验的回答）
在 60 分的骨架上，每步补一句「解决什么问题」，并补齐生产链路里被新手省略的环节：
离线：① 解析（把 PDF/表格/扫描件变成干净文本，脏文档处理是最花时间的一环）→ ② 分块（平衡语义完整与检索精度，同时挂上标题路径、来源、权限等元数据）→ ③ 向量化（决定检索精度的上限）→ ④ 建索引（向量索引 + 倒排索引，让千万级检索在毫秒内完成）。
在线：⑤ 查询理解（改写解决多轮指代、扩展解决表述鸿沟、路由决定去哪查）→ ⑥ 混合召回（向量 + BM25 双路，目标是不漏）→ ⑦ 融合与重排（RRF 融合 + cross-encoder 精排，目标是不排错）→ ⑧ 上下文组装（控预算、排顺序、带出处编号）→ ⑨ 生成（约束忠实度、要求引用、材料不足时说不知道）→ ⑩ 评测与迭代（badcase 归因回流）。
再补一句总结性判断：这条链路本身就是排障框架——出了问题先把正确文档手工塞进 prompt，能答对就是检索的锅，还答不对就是生成的锅。
追问链
这些步骤里哪一步对最终效果影响最大？为什么？
期望没有唯一答案，考的是归因逻辑：可答分块与 embedding 决定检索精度上限（漏召回不可逆，后面补不回来），也可答「取决于 badcase 类型，所以先建评测集分桶定位」信号直接说「模型最重要」→ 还停留在调 API 的视角为什么不直接微调一个模型把知识学进去？
期望知识更新频繁微调跟不上、无法引用溯源、成本高、私有数据训练有合规风险，而 RAG 改一份文档立刻生效；进阶是两者不对立 —— 微调调风格与能力，RAG 供知识信号只会说「微调贵」、说不出「不能溯源」「更新慢」→ 理解不完整检索回来的 chunk 怎么组织进 prompt？顺序有讲究吗？
期望有讲究：中间位置的信息利用率低（lost in the middle），最相关的放最前或首尾；带编号供引用溯源；控 token 预算不是塞越多越好（context rot）；明确指示「材料中没有就说不知道」信号答「按相似度倒序塞进去就行」→ 没做过上下文组装优化你们线上这条链路的延迟大概是多少？瓶颈在哪？
期望给量级即可：检索几十毫秒、rerank 几十到几百毫秒、生成占大头（首字延迟）；瓶颈通常在生成和 rerank；优化走流式输出、轻量重排模型、并行召回信号完全说不出量级 → 大概率没参与过上线你这套链路和直接把文档全塞进百万上下文的模型比，优势在哪？
期望四个维度打：成本与延迟差数量级、长输入准确率塌方、TB 级知识库装不下、权限过滤与时效过滤和引用溯源做不了 → 收尾给判断：长上下文改的是 RAG 的参数而不是它的存废信号立场摇摆、或答「确实长上下文更好」→ 缺乏工程判断
评分要点
- 明确区分离线建索引与在线查询两条线
- 每步能说出「解决什么问题」而非只报名词
- 提到了混合检索或 rerank（说明知道生产链路 ≠ 纯向量检索）
- 提到元数据（来源/权限/时间）的价值
- 提到评测或 badcase 闭环
- 加分：主动给出「检索 vs 生成」的归因方法
- 加分：能说出 RAG 相对微调的定位差异