京东面试官冷笑：让你从0设计一个RAG系统，你连四大核心模块都不懂？

本文详解RAG系统四大核心模块离线解析、Query理解、在线召回、上下文生成强调模块间六大关键联动点包括Chunk大小与LLM窗口配合、Query理解指导检索策略、上下文量控制、反馈式检索、全链路监控和缓存复用。提供面试回答框架先全景后细节、先离线后在线帮助建立系统全局观避免只见树木不见森林的技术短板。后台一直有一个问题被反复问到“师兄这些模块我单个都看懂了但串在一起就懵了面试官让我从 0 设计一个 RAG 系统我不知道从哪开始讲、讲到哪结束。”上周一个学员面京东就被这个问题拿住了。面试官开门见山“假设你现在负责从 0 搭建一个 RAG 问答系统知识库有 5000 份文档需要支持多轮对话你怎么设计”他开始讲向量检索……面试官打断他“等一下用户的 query 进来之后第一步做什么是直接去检索吗检索之前不需要做任何处理”他愣了一下说先做 Embedding。面试官继续“做完 Embedding 就直接去向量库搜了你的知识库是怎么建的文档怎么解析的Chunk 怎么切的这些都不讲”他开始补讲离线流程但逻辑已经乱了一会儿讲检索一会儿讲解析一会儿又跳到生成面试官听了两分钟就说了句好了我了解了。这个问题的本质不是他不懂技术而是他没有全局观。单个模块讲得再好如果不知道它们之间怎么配合、怎么影响、怎么取舍在面试官眼里就是背了一堆知识点但没做过系统。今天这篇文章就是要帮你建立这个全局观。一、先画一张全景图RAG 的四大模块一个完整的 RAG 系统包含四个核心模块按数据流顺序排列模块一离线解析知识库构建——把原始文档变成可检索的结构化内容。负责文档解析、Chunk 切分、Embedding 向量化、向量入库。这是系统的地基只需要执行一次或定期更新。模块二Query 理解查询预处理——用户 query 进来后先读懂它再决定怎么处理。包括意图识别、实体提取、Query 改写/扩写、检索路由决策。这是系统的调度员。模块三在线召回检索与精排——根据处理后的 query从知识库中找到最相关的文档片段。包括向量检索、BM25 关键词检索、混合检索融合、Rerank 精排。这是系统的搜索引擎。模块四上下文生成LLM 回答——把检索到的片段和用户问题一起喂给 LLM生成最终回答。包括 Prompt 构建、幻觉压制、多轮对话衔接、引用标注。这是系统面向用户的最终输出。面试的时候先把这四个模块按顺序列出来面试官就知道你脑子里有一张完整的图。然后再逐个展开。吴师兄学大模型二、模块之间不是独立的——六个关键联动点这是大多数人缺失的部分。很多人把四个模块当成独立的流水线优化的时候头痛医头、脚痛医脚。但实际上模块之间有深度的相互影响理解这些联动关系才是真正的系统设计能力。联动一离线解析 × 在线召回——Chunk 大小要配合 LLM 窗口这是最容易被忽视但影响最大的联动。Chunk 切得太大LLM 的上下文窗口放不下几个片段信息覆盖率低Chunk 切得太小每个片段语义残缺检索时匹配不准而且需要拼凑更多片段才能凑够上下文容易信息散乱。在我们的实战项目中最终确定的 Chunk 大小是 300-500 token配合 50 token 的 overlap。这个数字不是拍脑袋定的而是在检索召回率和LLM 生成效果之间反复实验出来的——Chunk 太短时 MRR 下降语义不完整导致匹配不准Chunk 太长时 LLM 回答质量下降噪音太多。另外离线阶段存的元数据越丰富文档来源、章节标题、发布时间、内容类型在线召回时能做的过滤就越精准。比如用户问最新的车险理赔流程如果离线阶段存了时间标签在线就能加时间过滤如果没存你只能靠语义检索去猜最新是什么意思大概率召回旧版本。联动二Query 理解 × 在线召回——解析结果直接指导检索策略Query 理解模块的输出不是给人看的是给检索模块用的。意图识别的结果决定了走哪条检索链路——知识库检索、计算模块、NL2SQL 还是直接拒答。实体提取的结果决定了检索时加什么过滤条件——时间范围、文档来源、内容类别。Query 改写的结果决定了实际送入向量库的是什么文本。如果这两个模块配合不好会出现两种典型问题一是解析准确但检索没用上比如提取出了时间实体昨天但检索模块没有对应的时间过滤逻辑等于白解析二是解析出错导致检索跑偏比如意图识别错了该走检索的去了计算模块比不做解析还糟。一个更进阶的联动是多索引路由如果你的知识库按主题分成了多个索引理赔制度、销售策略、产品信息各一个Query 理解模块可以根据意图直接选择对应索引检索而不是在全库里搜。这样既提高精度又减少计算量。联动三在线召回 × 上下文生成——给 LLM 多少上下文是门学问检索模块返回了 Top 10 个片段是不是全部喂给 LLM不是。上下文过少信息不足LLM 答不全上下文过多噪音干扰LLM 反而被不相关内容带偏。研究表明LLM 更容易关注上下文开头和结尾的内容中间部分容易被忽略——这就是所谓的Lost in the Middle 问题。在实战中我们通过 Rerank 精排后只取 Top 5 个片段并且把相关度最高的放在最前面。如果片段来自不同文档在 Prompt 中用编号区分清楚。这样 LLM 既能获得足够的信息支撑又不会被大量无关内容淹没。另一个关键决策是上下文的组织方式。是按相关度排序还是按文档原文顺序排列实践中我们选择按相关度排序——让 LLM 先看到最重要的信息减少它忽略中间的概率。联动四上下文生成 × 在线召回——生成反馈反哺检索这是进阶玩法也是面试的加分项。如果 LLM 生成的回答是无法从资料中找到答案说明检索可能没到位。系统可以自动判断这种情况然后放宽检索条件比如降低相似度阈值或换一种检索策略重新检索拿到新结果后让 LLM 再试一次。这个闭环被称为反馈式检索——生成模块的输出反过来触发检索模块的重试。它让 RAG 系统从单次检索变成了自适应检索对长尾问题的覆盖率有明显提升。但要注意两点一是设置重试上限最多重试 1-2 次避免无限循环二是重试时要换策略而不是重复同样的操作否则结果不会变。联动五全链路监控——在哪个环节掉链子RAG 系统出了问题最难的不是修复而是定位问题出在哪个模块。用户说回答不准到底是检索没找到正确文档召回问题还是找到了但 LLM 没用好生成问题是 Query 理解把意图搞错了路由问题还是离线阶段文档解析就出了错数据问题解决方案是在每个模块的输出环节埋点记录Query 理解模块记录识别出的意图和实体、召回模块记录返回的片段 ID 和相关度分数、生成模块记录 LLM 的回答和置信度。出了问题就沿着链路回溯很快就能定位瓶颈。在我们的项目中每周会抽查 50 个 badcase按解析问题/检索问题/生成问题分类。连续三周发现某一类问题占比最高就集中优化对应模块。这种数据驱动的迭代方式比凭感觉调参靠谱得多。联动六缓存跨模块复用——空间换时间缓存不是某一个模块的事而是贯穿整个链路的。Embedding 缓存相同 query 的向量不需要重复计算存在 Redis 里复用。检索结果缓存高频问题的检索结果直接缓存跳过向量库查询。答案缓存FAQ 类问题直接缓存完整回答实现毫秒级响应。三层缓存配合使用热门查询的端到端响应时间可以从秒级降到 50ms 以内。但要注意给缓存设 TTL过期时间知识库更新后旧缓存要及时清除。三、面试怎么答从 0 设计 RAG 系统这是面试中最高频的系统设计题。很多人一上来就开始讲技术细节面试官根本跟不上。正确的回答框架是先全景后细节、先离线后在线第一步画全景图30 秒。“一个 RAG 系统包含四个核心模块离线解析、Query 理解、在线召回、上下文生成。离线解析只需要执行一次后面三个模块在每次用户查询时按顺序执行。”第二步讲离线流程1 分钟。“首先是知识库构建。原始文档通过 MinerU 做版面分析和 OCR 提取结构化文本然后基于文档层级结构做智能 Chunk 切分300-500 token 50 overlap每个 Chunk 带上章节路径、内容类型、来源页码等元数据。最后用 BGE-M3 生成 Embedding 向量存入 Milvus 向量库同时建 BM25 倒排索引。”第三步讲在线流程2 分钟。“用户 query 进来后先经过 Query 理解模块做意图识别和实体提取决定走检索还是走计算模块。走检索的话对 query 做改写和扩写后同时发起向量检索和 BM25 检索用 RRF 融合结果再用 Cross-Encoder 精排取 Top 5。最后把精排后的片段和 query 一起构建 Prompt喂给 LLM 生成回答并在 Prompt 中要求模型标注引用来源。”第四步讲关键联动1 分钟。“几个关键的模块联动Chunk 大小要配合 LLM 上下文窗口不能孤立调参Query 理解的输出直接指导检索策略比如提取出时间实体就加时间过滤如果 LLM 回答’不知道’系统会自动触发二次检索。整个链路有三层缓存Embedding/检索结果/答案做加速热门查询可以做到 50ms 响应。”四步讲完面试官对你的全局设计能力就有了清晰的判断。然后他会挑某个模块深入追问——而这些追问的答案前面的系列文章都已经覆盖了。吴师兄大模型写在最后这篇文章是整个 RAG 系列的总纲。之前的每一篇文章都在深入一个模块召回优化、知识库构建、响应速度、生成阶段、Embedding 选型、Query 路由、记忆模块、简历面试。今天这篇把它们串成了一张完整的图。如果你是跟着这个系列一路看过来的现在回头看应该能感受到一件事RAG 不是某一个 trick而是一整套系统工程。每个模块都有自己的优化空间但真正决定系统效果上限的是模块之间的配合和取舍。这也是面试官最想考察的你是只会优化某一个环节的螺丝钉还是能站在全局视角做技术决策的架构师。大模型入门学习教程 附PDF文档现在国内外关于大模型入门教程做的比较好的并不多这其实也是一件好事有难度和有门槛才能避免烂大街现在大模型入门教程热度最高的包括李宏毅老师、吴恩达老师、Datawhale开源社区等选择合适的入门学习教程能少走弯路抓住核心内容快速达到前沿的水平甚至是发表大模型相关的论文都是可以的这一期主要是给大家推荐李宏毅老师的最新课程大模型入门学习教程这个教程的主要内容如下总共11讲第1讲总体介绍这一讲主要介绍现在大模型作为生成式人工智能其发展的历史过程以及大模型落地的主要应用方向了解大模型主要学习什么内容难度不大简单看一下就行第2讲提示词和AI代理人首先介绍什么是提示词工程提示词就是人类和大模型交互的语言对于大模型的引导需要通过提示词来完成然后介绍如何引导模型进行思考比如COT是什么在模型训练过程中提供额外信息第3讲生成策略同一个问题多次询问大模型大模型会给出不同的回答如何提高回复的准确率以及稳定性是一个重要的大模型生成策略。了解大模型的生成概率与什么有关比如top_p, top_ktemperature等第4讲深度学习和Transformer这一部分先介绍一些深度学习基础内容大模型的模型都是深度学习模型了解深度学习中基础内容是有必要的比如损失函数反向传播梯度下降等然后介绍大模型的基础框架transformertransformer模型结构一定要非常熟悉很重要第5讲大模型评估和道德问题这一部分先介绍大模型的评估标准现在有很多benchmark从各个方面来评测大模型的不同能力评估指标很多开源的模型往往会选择有利于自己的指标进行展示然后介绍大模型中存在的道德问题因为大模型不能随意生成一些不符合道德社会文明的内容第6讲AI的可解释性给大模型一个输入只能得到一个输出但是我们并不清楚大模型的思考过程是怎么样的这个问题大模型是怎么思考的提升大模型的可解释性有助于后续研究如何提升大模型的推理性能像COT就是显式展示大模型的思考过程然后还可以让语言模型来解释语言模型第7讲视觉大模型常说的大模型都指的是文本大模型输入是文本输出也是文本而现实世界中可能我们的输入既有文本又有图片和视频输出也可能是多样化的视觉大模型就是能解决文本和视觉两种模态的大模型第8讲GPT-4o前面都是关于大 模型的理论这一部分是拆解一个完整的大模型是怎么样的以GPT-4o为例进行说明GPT**-4o是首个端到端多模态通用模型**是迈向AGI的一步能够实现文本音频和图片的多模态交互上面就是大模型的入门教程的所有内容学完这些可以去看看关于大模型微调大模型训练大模型推理加速RAG和Agent等相关的内容后面最好整一两个项目来实践一下上述资料获取1. 关注公众号【大模型应用开发LLM】领取即可获取2. 这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】