Spring AI + RAG + 向量库 10 道模拟面试

文章目录1. 什么是 Spring AI它解决什么问题2. Spring AI 的核心组件有哪些3. Spring AI 和 LangChain 的区别4. 什么是 RAG为什么要用 RAG5. RAG 的完整流程是什么6. 为什么要用向量数据库普通数据库不行吗7. Spring AI 中 VectorStore 是干嘛的支持哪些库8. Spring AI 如何实现流式输出打字机效果9. Spring AI 函数调用FunctionCall原理10. 生产上 RAG 怎么优化高频加分题1. 什么是 Spring AI它解决什么问题答Spring AI 是 Spring 官方推出的 AI 应用开发框架用来简化 Java 后端接入大模型。它统一了对话、向量、文档、RAG 等接口让开发者不用关心底层是 OpenAI、通义还是文心一套代码通用快速做企业 AI 应用。2. Spring AI 的核心组件有哪些答ChatModel对话模型统一接口EmbeddingModel文本转向量VectorStore向量数据库抽象DocumentReader TextSplitter文档读取与切片PromptTemplate提示词模板RAG检索增强生成FunctionCall让 AI 调用 Java 方法3. Spring AI 和 LangChain 的区别答Spring AIJava 优先、轻量、Spring 生态强、工程化友好、学习成本低LangChainPython 为主功能多但复杂Java 支持弱4. 什么是 RAG为什么要用 RAG答RAG 检索增强生成。先从知识库检索相关内容再把内容给大模型让它基于资料回答。解决大模型三大问题不知道企业私有数据会胡说八道幻觉知识过时5. RAG 的完整流程是什么答离线构建知识库加载文档PDF/TXT/MD文本分块 Chunk向量化 Embedding存入向量库用户提问5. 问题转向量6. 向量库做相似度检索7. 拼接上下文给大模型8. 大模型生成回答6. 为什么要用向量数据库普通数据库不行吗答普通数据库做精确匹配向量数据库做语义相似度匹配能理解“意思相近”而不只是关键词一样是 RAG 的核心基础设施7. Spring AI 中 VectorStore 是干嘛的支持哪些库答VectorStore 是向量数据库的统一抽象。支持SimpleVectorStore内存MilvusPGVectorChromaElasticSearch8. Spring AI 如何实现流式输出打字机效果答使用StreamingChatModel模型返回 SSE 流式数据返回FluxChatResponse前端逐字接收展示9. Spring AI 函数调用FunctionCall原理答给 Java 方法加ToolSpring AI 自动生成函数描述 Schema把函数信息传给大模型模型判断是否需要调用Spring AI 自动反射执行方法结果返回给模型生成最终回答10. 生产上 RAG 怎么优化高频加分题答合理文本分块大小、重叠调整 TopK 召回数量加入重排 Rerank元数据过滤缩小检索范围提示词优化限制模型只看资料向量库使用 Milvus / PGVector 提高性能