怎么考「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
开场怎么问
你先给我讲讲你理解的 RAG 是怎么工作的，从头到尾。
换个问法
- 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？
五层追问链
左边照着问，右边对着听。最后一层是压力面，不必每个候选人都问到。
这些步骤里，你觉得哪一步对最终效果影响最大？为什么？
- 期望
- 没有唯一答案，但要给出归因逻辑。常见的有理据答案：分块和 embedding 决定检索精度的上限（漏召回不可逆，后面无论如何补不回来）；或者答「取决于 badcase 类型，所以我先建评测集分桶定位」。
- 信号
- 直接说「模型最重要」的，说明还停留在调 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：两者不对立，微调调「风格和能力」，RAG 供「知识」（详见 Q4-07）。
- 信号
- 只会说「微调贵」而说不出「不能溯源」「更新慢」的，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——模型对上下文中间位置的信息利用率较低（lost in the middle），所以最相关的通常放最前或首尾；要带编号供引用溯源；要控 token 预算，不是塞越多越好（context rot）；要明确指示「材料中没有就说不知道」。
- 信号
- 答「按相似度倒序塞进去就行」的，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
- 能给量级即可——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；优化手段是流式输出、轻量重排模型、并行召回。
- 信号
- 完全说不出量级的，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
- 见 Q2-02。成本与延迟（数量级差距）、效果（长输入准确率会塌方）、规模（TB 级知识库装不下）、可控性（权限过滤、时效过滤、引用溯源）。加分：长上下文改变的是 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」的，缺乏工程判断。
危险信号
听到这些话，基本可以判定是背题而不是做过。
评分卡
- 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
参考答案与考察意图面试中途别看这一段
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。