简历上写了 RAG 项目，面试官会怎么深挖？
面试怎么回答
面试官通常沿五个方向深挖。数据链路：文档量、格式、PDF 和表格解析、切分策略和对比、更新删除怎么同步。检索：Embedding 选型理由、是否混合检索处理专有名词、重排和召回数量、权限过滤。生成：怎么减少幻觉、没有答案时怎么拒答、引用怎么保证正确。评测：评测集的来源和规模、检索和生成分别用什么指标、自动还是人工判断、改动怎么回归，这是最能拉开差距的部分。线上：用户量、反馈、延迟成本和线上问题，最后会问你个人负责哪部分。我会为每个环节准备一个问题、分析、方案、效果数字的小故事，再准备一个重来会怎么改进的反思，没做过的如实说。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
「负责公司知识库 RAG 系统的建设」几乎成了数据和后端同学简历上的标配。面试官看到这一行，会从哪些方向追问？提前准备好，才能把一个项目讲出深度。这题帮你梳理常见的追问链和回答要点。
一、数据链路：你处理的是什么数据
- 文档有多少、什么格式、怎么更新？
- PDF 和表格怎么解析的？扫描件怎么办？
- 切分策略是什么？为什么这么切？试过其他方式吗，效果对比如何？
- 文档更新和删除怎么同步到索引？
要点：说出具体数字（文档量、切片数、更新频率），说出你遇到的具体问题和解决方式。
二、检索：怎么保证找得准
- 用的什么 Embedding 模型，为什么选它？
- 只用向量检索吗？专有名词、编号怎么检索？（引出混合检索）
- 有没有重排？召回多少条、最终给模型几条？
- 权限怎么控制？不同用户能看的文档不同怎么办？
要点：讲出你做过的对比实验，比如「加了 BM25 混合检索后，Recall@10 从 72% 提升到 85%」。
三、生成：怎么减少幻觉
- 模型答出了文档里没有的内容怎么办？
- 文档里没有答案时，模型会怎么回答？
- 引用怎么做的？怎么保证引用是对的？
四、评测：你怎么知道效果好
这是最能拉开差距的部分：
- 评测集怎么建的？多少条？来源是什么？
- 用什么指标？检索指标和生成指标分别是什么？
- 怎么判断回答对不对？人工还是自动？
- 每次改动怎么验证没有变差？
很多候选人在这里卡住，因为项目里根本没有系统的评测。
五、线上：上线之后怎么样
- 多少人在用？用户反馈怎么样？
- 延迟和成本是多少？怎么优化的？
- 遇到过什么线上问题？
六、你的角色
- 这个项目里你具体负责哪部分？哪些决策是你做的？
准备建议
- 每个环节准备一个「遇到的问题 → 分析 → 方案 → 效果（数字）」的小故事；
- 准备一个「如果重来一次，你会怎么改进」的回答，体现反思；
- 不要夸大：没做过的就说没做过，可以讲你对它的理解。