面试优先顺序（通用 AI 应用开发岗位）：Q3、Q4、Q5、Q6、Q8、Q10、Q11、Q16、Q18、Q24、Q26、Q27、Q28、Q29。其余题目用于进阶或特定岗位拓展；实际频率会随岗位和面试轮次变化，产品版本资讯不应当作通用必考题。
难度： ⭐⭐⭐⭐ 更新： 2026-04-23 考点： GraphRAG、HyDE、Semantic Chunking、Context Cliff、混合检索、Rerank、LLMLingua
本节聚焦 RAG 上线后的工程追问。分块、混合检索、Rerank、成本和增量更新已有主答案，本节不再重复。
题目目录（按原文档学习顺序，⭐ = 面试高频优先题）
2026年RAG评估新趋势（新增考点）
- Q12 · 什么是self-RAG和CRAG？和传统RAG有什么区别？
- Q13 · DeepEval是什么？和RAGAS、TruLens有什么区别？
- Q14 · 什么是 LLM-as-a-Judge？为什么它是 RAG 评估的未来？
- Q15 · 什么是state-aware retrieval和agentic retrieval？2026年检索新趋势？
- ⭐ Q16 · 如何做生产环境的RAG监控？有哪些关键指标？
GraphRAG 知识图谱增强
RAG 优化进阶概念
- Q1 · 什么是 RAG-Fusion？它解决了传统 RAG 的什么问题？
- Q2 · 什么是 HyDE（Hypothetical Document Embeddings）？它的原理是什么？
- ⭐ Q3 · RAG 与 SFT（监督微调）如何选择？什么时候该用 RAG 而不是 SFT？
RAG 前沿研究的工程价值
RAG 架构演进
RAG 生产实践：排查、评估、灰度与复盘
- ⭐ Q26 · RAG 上线后用户反馈效果不好，如何系统化排查？
- ⭐ Q27 · 如何系统化评估 RAG？换模型/embedding 导致的"跷跷板效应"怎么处理？
- ⭐ Q28 · RAG 项目上线后怎么做灰度发布？
- ⭐ Q29 · 你做的 RAG 项目最大挑战是什么？（开放题）
RAG 评估与调优
企业知识库权限隔离
多模态 Embedding 与跨模态 RAG
检索结果冲突处理
检索结果重排序与压缩
混合检索：BM25 + Dense 向量 + RRF 融合
自愈 RAG：检测与恢复
- Q22 · 什么是自愈 RAG？生产环境如何实现 RAG 的自我检测与自动恢复？
- Q23 · 什么是"可防御 RAG（Defensible RAG）"？2026年企业 RAG 面临的五大结构性风险是什么？如何建立生产级 RAG 防御体系？
语义分块与文档处理
- ⭐ Q4 · 什么是 Semantic Chunking？它和固定分块有什么区别？2026年有什么新发现？
- ⭐ Q5 · 如何解决 RAG 的"丢失中间信息"问题（Lost in the Middle）？