电子/半导体行业面试题 · 技术原理 · tech:rag
电子/半导体行业相关面试题，按题目行业基础数据聚合。
共 19445 道真题 · 当前筛选命中 22 道 · 更新 2026-08-05
筛选题目已选：技术原理 · tech:rag
考察点
技术栈
第 1 题请描述RAG系统的搭建过程，包括主要模块和关键步骤。 考察RAG系统架构理解与搭建流程的完整性第 2 题请介绍RAG系统中的召回与重排阶段，说明每个阶段的目标和常用方法。 考察对RAG检索流程的理解，包括召回和重排的目标与典型技术第 3 题请谈谈你对大模型技术的了解，特别是 RAG（检索增强生成）的原理和应用。 考察对大模型基础概念及RAG技术的理解深度第 4 题请介绍你在 RAG（检索增强生成）系统中的优化思路与具体做法。 考察对 RAG 检索、生成及评估各环节的理解与工程优化能力第 5 题RAG系统通常使用哪些评价指标来衡量效果？ 考察RAG质量评估指标的理解与分类能力第 6 题请谈谈你对RAG技术的理解，并说明在使用LangChain等框架时，Agent与RAG如何协同工作？ 考察对RAG原理的理解以及Agent与RAG结合的架构设计能力第 7 题如何选择合适的向量维度用于 RAG 系统中的向量检索？ 考察向量维度选择对检索质量和性能的影响第 8 题请比较工具调用（Function Calling）与 RAG 两种大模型应用的实现方式，在什么场景下选择哪种？ 考察对大模型应用两种主流架构的理解、适用场景判断与方案权衡第 9 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 10 题请说说你对 MCP、Agent 和 RAG 三者关系的理解，以及它们在实际系统中的应用。 考察对 MCP、Agent、RAG 概念的理解及架构应用能力第 11 题在 RAG 场景中，当知识库规模很大导致检索变慢时，你会如何优化？ 考察对大规模知识库检索性能优化方案的理解与权衡第 12 题请介绍 RAG（检索增强生成）的实现流程，包括检索、增强和生成环节。 考察对 RAG 整体架构与关键组件理解第 13 题请介绍一下 RAG 过程中的召回策略全流程如何开展？ 考察对 RAG 检索召回的流程理解、策略设计及工程落地细节第 14 题请解释RAG的原理、优缺点是什么？ 考察对RAG技术框架的理解及其在应用中的权衡第 15 题请介绍RAG系统中的embedding模块，包括常用的embedding模型以及向量相似度计算方法。 考察对RAG检索环节中embedding模型选择和向量相似度计算的掌握程度第 16 题请详细描述RAG（检索增强生成）系统的完整处理流程。 考察对RAG架构各环节的理解与表述能力第 17 题请说明Self-RAG是什么。 考察对RAG演进方向与自我反思机制的理解第 18 题请对比微调（Fine-tuning）与 RAG 两种技术方案，说明各自适用场景和优缺点。 考察对微调与 RAG 两种大模型应用方案的理解和方案权衡能力第 19 题请介绍RAG（检索增强生成）的基本原理和典型实现流程。 考察对RAG技术概念、检索与生成结合思路的理解第 20 题请说明Rerank在RAG中的作用。 考察对检索后重排阶段的原理与价值理解