📚 RAG 工程师
从召回链路走到评测与生产治理。
📌 进入本路线后，左侧导航与「上一题/下一题」将只覆盖这条路线的专题；点顶部「全部专题」可随时切回全库模式。
学习路径
共 6 步，建议按顺序推进：
- 📌 LLM 基础概念 · 49 道题 —— 打基础 —— 建立这个岗位的基本概念盘，开场必问的部分
- 📚 RAG 系统面试题 · 21 道题 —— 核心战场 —— 本方向最高频的考题聚集地
- 🔍 向量数据库索引详解 · 18 道题 —— 进阶深化 —— 答出深度才能和其他候选人拉开差距
- 🚀 RAG 高级优化面试题（GraphRAG / HyDE / Semantic Chunking） · 29 道题 —— 横向拓展 —— 补齐相邻能力，从容应对交叉提问
- 🔥 AI 应用安全与评估面试题 · 25 道题 —— 串联整合 —— 把前面的知识连成完整方案
- 🔥 Agent 可观测性与生产监控面试题 · 19 道题 —— 生产化收尾 —— 用监控与评测给整条链路兜底
预计刷题量
这条路线覆盖 6 个专题，合计 约 161 道面试真题（各专题题数之和）。时间紧张的话，优先刷各专题目录中带 ⭐ 标记的「面试高频优先题」。
适合谁选这条路
- 后端工程师：懂数据库与检索的话，向量库与混合检索的概念迁移最快
- 数据开发：ETL 与清洗经验可直接迁移到文档解析、切分入库这条数据管道
- 搜索 / 推荐背景：相关性调优、Rerank 的思路与传统搜推完全同源
想系统评估自己的转行路径？看零基础转行 AI 学习路线或全部转行指南。