AI 开发面试题第 6 页，显示第 251–262 题，共找到 262 道完整解析，可继续按分类、标签与关键词缩小范围。
按稳定语义路径排序
LangChain 的 RecursiveCharacterTextSplitter 按什么优先级切分文本，为什么比固定长度切分更适合 RAG？ 本文先给出可直接复述的结论，再用最小代码说明RecursiveCharacterTextSplitter 切分优先级 递归字符切分的工作方式、判断依据、项目边界和常见误区。
RAG 流水线中重排应放在召回之后、上下文组装之前，为什么先用大 top-k 召回再重排比直接小 k 检索效果好？ 本文先给出可直接复述的结论，再用最小代码说明RAG 重排 流水线位置 为何先大 k 再重排的工作方式、判断依据、项目边界和常见误区。
RAG 已经有向量相似度排序了，为什么还需要重排（rerank）阶段，交叉编码器比双编码器强在哪？ 本文先给出可直接复述的结论，再用最小代码说明RAG rerank 重排 交叉编码器 强于双编码器的工作方式、判断依据、项目边界和常见误区。
如何用检索级指标（recall@k、MRR）单独评估 RAG 的检索质量，而不是只看最终回答好不好？ 本文先给出可直接复述的结论，再用最小代码说明RAG 检索评估 recall@k MRR的工作方式、判断依据、项目边界和常见误区。
RAG 中的语义分块（semantic chunking）是如何工作的，相比固定长度分块适合什么场景？ 本文先给出可直接复述的结论，再用最小代码说明RAG 语义分块 原理 适合场景的工作方式、判断依据、项目边界和常见误区。
RAG 检索时设置相似度分数阈值有什么用，为什么不同嵌入模型间阈值不能直接复用？ 本文先给出可直接复述的结论，再用最小代码说明RAG 相似度阈值 设置作用 不同模型不可复用的工作方式、判断依据、项目边界和常见误区。
RAG 中 step-back 提问（先生成更抽象的问题再检索）适合解决哪类具体查询检索不到背景知识的问题？ 本文先给出可直接复述的结论，再用最小代码说明RAG step-back prompting 抽象化检索的工作方式、判断依据、项目边界和常见误区。
多跳问题（需要多份文档联合回答）在 RAG 中为什么要做子问题分解检索，单次检索失败的原因是什么？ 本文先给出可直接复述的结论，再用最小代码说明RAG 多跳问题 子问题分解 检索的工作方式、判断依据、项目边界和常见误区。
包含大量表格的文档做 RAG 时应如何分块，为什么表格按字符切开会导致检索失败？ 本文先给出可直接复述的结论，再用最小代码说明RAG 表格 分块策略 保持完整的工作方式、判断依据、项目边界和常见误区。
文档时效性强的 RAG 场景（如政策、新闻）如何在检索中处理时间衰减，避免旧文档压过新文档？ 本文先给出可直接复述的结论，再用最小代码说明RAG 时间衰减 时效性 检索加权的工作方式、判断依据、项目边界和常见误区。
RAG 分块按 token 切分和按字符切分有什么本质区别，为什么生产上更推荐 token 切分？ 本文先给出可直接复述的结论，再用最小代码说明RAG token 切分 与 字符切分 本质区别 生产推荐的工作方式、判断依据、项目边界和常见误区。
RAG 检索的 top-k 设多大合适，k 过大对 LLM 回答质量有什么负面影响？ 本文先给出可直接复述的结论，再用最小代码说明RAG top-k 召回数量 调优 影响的工作方式、判断依据、项目边界和常见误区。
