一、缘起我想达到实习面试游刃有余我手里有一份 RAG 相关的面试文档覆盖从基础概念到工程细节。我一开始的想法很朴素背下来。结果第一段就卡住了——文档里写着在线问题清洗 → 查询改写 → 混合检索 → Rerank → 组装上下文 → LLM 生成 → 引用后处理这串流程我背了三遍第四遍还是想不起来第三步是什么。因为我只是记住了名字不知道每一步为什么存在。于是我换了方法跟啃雷达教材时一样先建立整体地图知道每块知识在回答什么问题把不懂的地方标出来一次问几个具体问题要求用最通俗的例子讲而不是给更专业的表述自己复述一遍复述不顺的地方就是没懂。这套方法在雷达那边很管用这次也一样——文档里那 11 个我标出来的卡点最后都变成了能讲给别人听的例子。这个系列就是这些记录。本系列导航00 开篇用「开卷考试」理解 RAG 与我的学习方法本篇01 Chunking 切块与 Embedding 选型02 在线链路七步走与混合检索 RRF03 Rerank 与查询改写04 工程化延迟、缓存、成本与权限05 评测调优与三个进阶架构二、RAG 是什么把它想成开卷考试RAG Retrieval-Augmented Generation检索增强生成。核心一句话让大模型在回答之前先去外部知识库里查资料再基于查到的资料回答。类比闭卷考试纯 LLM全靠脑子里记的记错了就编这就是幻觉开卷考试RAG先翻书找到相关章节再基于书上的内容答题。这个类比我觉得比任何定义都好用因为它是一次性解释三件事开卷考试RAG说明书翻错页了检索没召回正确文档检索质量决定上限页码太乱找不到切块 / 索引不合理所以要做 Chunking、HNSW 调参抄错书上的内容生成不忠实于上下文所以要看 Faithfulness书上没有这题无答案 · 应该拒答所以要有兜底和拒答策略我后来发现RAG 的绝大部分工程问题都能用开卷考试这个框架推出来。这不是巧合——它就是 RAG 的本质。图RAG 先检索并筛选外部证据再将证据送入上下文生成带引用的答案。这一在线过程不等于重新训练模型图中文档和引用标记数量仅作示意。三、完整链路离线 在线离线链路把资料变成可检索的索引文档解析 → 切块 → 向量化 → 建索引 → 元数据在线链路用户提问到拿到答案问题清洗 → 查询改写 → 混合检索 → Rerank → 组装上下文 → LLM 生成 → 引用后处理先把这串流程翻译成人话后面几篇会逐个展开步骤做什么类比问题清洗去掉错别字、多余空格、敏感词把朋友含糊的话听清楚查询改写把口语化、有指代的问题改成适合检索的句子把它退款怎么算改成会员年卡的退款条件是什么混合检索同时用关键词BM25和语义向量去知识库找文档同时用关键字搜索和意思相近搜索Rerank把找回来的几十篇文档用更精细的模型重新排序海选后面试精挑 5 个组装上下文把挑出来的片段拼成一段话给 LLM 看把资料整理好放在桌上LLM 生成大模型根据这些资料写出答案你根据资料组织语言回答朋友引用后处理给答案标来源、检查不安全内容告诉朋友这是从 XX 文件第 3 页看到的记忆口诀清 → 改 → 找 → 排 → 拼 → 答 → 标。面试时的口述版我最后练成了这句“在线阶段先清洗和改写用户问题然后混合检索召回候选再用 Rerank 精排组装上下文给 LLM 生成最后做引用和安全后处理。”不必一字不差背流程名。图RAG 离线阶段清洗切块、文档向量化并建立索引在线阶段将问题向量化从索引检索资料组装上下文后生成答案。资料更新时需同步索引文档与查询编码模型应匹配。四、RAG vs 微调查资料 vs 背答案这是我理解的第二个关键区分RAG 查资料知识放在外部随时可更新、可控制权限、可溯源微调 背答案知识固化进参数改起来要重新训练。选型判断场景选型知识变化快、要权限控制、要溯源RAG固定格式输出、特定术语理解、分类微调生产系统通常组合微调教怎么答RAG 给答什么举例医疗问答系统——先用 RAG 提供最新医学指南再微调让模型学会证据不足时拒答。我一开始以为 RAG 和微调是二选一后来理解为它们解决的是不同层面的问题。RAG 解决知识从哪来微调解决能力/风格/边界怎么表现。所以组合才是常态。五、RAG 解决的四大问题知识时效性模型训练截止之后的新信息私有知识企业内部文档模型没见过幻觉强制基于检索结果回答来源可追溯标注引用满足合规要求。这四个问题其实就是为什么企业需要 RAG的标准答案。面试时按这四条说比背定义有用得多。六、我给这个系列定的 6 篇顺序按学习的推进顺序整理也是我建议的阅读顺序00 开篇本篇整体地图 RAG vs 微调01 离线链路Chunking 切块、overlap、Embedding 选型02 在线链路七步流程逐步过 混合检索与 RRF03 Rerank 与查询改写双塔粗排 vs 交叉精排、HyDE 的风险04 工程化延迟、成本、多轮、权限05 评估调优评测集、Faithfulness、七问排查法 进阶架构说明本文是我自己的学习记录以类比 结论为主面向要能通过实习面试的程度不追求覆盖所有实现细节。文中保留了当时的错误理解和纠正过程——别人踩过的坑比正确的表述更有参考价值。七、我的第一步收获学完第一轮我最大的体会是不要背流程名要背每一步解决什么问题。因为面试官不会满足于你说出混合检索这个词他会追问为什么要混合而只要你知道BM25 擅长字面一致、向量擅长意思相近两者互补这个追问就变成了展示理解的机会。下一篇从离线链路开始切块Chunking为什么没有标准答案以及 embedding 模型怎么选。