电商行业面试题 · tech:rag
电商行业相关面试题，按题目行业基础数据聚合。
共 10617 道真题 · 当前筛选命中 34 道 · 更新 2026-08-05
筛选题目已选：tech:rag
考察点
技术栈
第 1 题请介绍RAG（检索增强生成）技术及其应用场景。 考察对RAG核心原理的理解及其典型应用场景的掌握第 2 题请介绍你负责的 RAG 项目的整体流程、你的具体工作，以及数据是如何收集的，并说明当时为什么选择 RAG 而不是微调模型。 考察 RAG 项目理解、数据工程细节与方案选型判断第 3 题RAG能做哪些优化呢？ 考察对检索增强生成各环节优化点的系统理解第 4 题你怎么看像 AI Agent、RAG、MCP 等这些最近很火的概念？ 考察对新兴 AI 技术概念的理解深度、辩证思考及业务落地视角第 5 题请解释RAG（检索增强生成）的核心原理，并说明它解决了大语言模型的哪些典型问题？ 考察对RAG技术本质及其价值场景的理解第 6 题你的 RAG 项目中用到了 Agent 吗？一般 Agent 会用在 RAG 链路中的哪些部分？ 考察对 RAG 与 Agent 结合的理解及工程实践第 7 题微调和RAG的优劣势分别是什么 考察对大语言模型应用中微调与RAG两种主流方法的技术理解与适用场景判断第 8 题用于RAG的数据是从哪里来的？ 考察对RAG数据来源、预处理与知识库构建流程的理解第 9 题针对RAG这部分，有没有自己构建知识库进行对比实验来评估效果？ 考察RAG系统评估实验设计与对比分析能力第 10 题请介绍你在实际项目中如何优化 RAG（检索增强生成）系统的效果？ 考察对RAG系统各环节的优化方法及实践经验第 11 题针对RAG（检索增强生成）子模块，你会用哪些指标来评估它的效果？ 考察对RAG检索与生成链路的评测指标理解第 12 题请解释 RAG（检索增强生成）的工作原理，并说明它解决了大模型的哪些问题。 考察对 RAG 技术原理及其价值场景的理解第 13 题RAG 知识检索召回精度不高要怎么办？ 考察对 RAG 检索链路优化、召回质量与评估方法的理解第 14 题RAG有哪些可优化的地方？ 考察对RAG架构各环节的优化能力和系统性理解第 15 题请介绍一个基于检索增强生成（RAG）的典型流程。 考察对RAG检索、增强、生成全链路的理解与边界意识第 16 题RAG是怎么做的，向量库怎么构建的？ 考察对RAG整体流程和向量库构建细节的理解第 17 题请介绍RAG的基本原理，并说明Graph RAG与标准RAG的区别和适用场景。 考察对检索增强生成技术的理解深度及对不同实现方案的辨析能力第 18 题请介绍RAG项目的整体流程。 考察对RAG各环节的理解、实现细节与取舍第 19 题如何评测一个RAG引擎的具体效果？请给出评测方案。 考察对RAG系统评测维度、指标和方法的理解第 20 题如何评测RAG系统的准确率？ 考察生成式检索增强系统的评测指标与评测方法论