阿里飞猪一面（RAG），9道高频RAG高频面试题
老王透明的茶杯里，泡满了枸杞，我就瞅了一眼，少说也有 100 颗。
没等我回过来神，老王就直入主题：“你做 RAG 检索用的什么数据库？”
“MySQL。”
老王差点没把刚抿到嘴里的水喷到我帅气的脸上：“就 MySQL？向量检索你用 MySQL？”
“咋了王哥，MySQL 不配拥有向量吗？100 万条 chunk 我照样给它安排得明明白白。”
看老王气急败坏的样子，我笑了：“王哥，逗逗你啦，活跃活跃气氛嘛，这下我不紧张了。向量这块我用的是 ElasticSearch 了，既能做语义，又能做关键字存储，混合检索轻松搞定。😄”
老王真是个好人啊，愣是没生气，仍然和颜悦色。问出了下一题：“你这个 RAG 系统，检索精确率怎么评估的？具体怎么测试？”
（内心 OS：这下面试有了，天底下所有的面试官都能像老王一样就好了呀。）
PS：以下题目来自派聪明 RAG 项目的真实面试题目，如上图所示，阿里飞猪一面。
content
01、检索精确率怎么评估的？具体怎么测试？
我说：“王哥，我在派聪明 RAG 里专门做过一轮评估。”
“评估检索质量，业界常用的指标有三个：精确率（Precision）、召回率（Recall）和 MRR（Mean Reciprocal Rank）。”
精确率看的是检索出来的文档里有多少是真正相关的。比如检索返回了 10 个 chunk，其中 7 个和问题相关，精确率就是 70%。
召回率看的是所有相关文档里，有多少被检索出来了。比如知识库里一共有 15 个相关 chunk，检索返回了 7 个，召回率就是 46.7%。
MRR 看的是第一个正确结果的排名，排名越靠前分越高。用户最关心的其实是“第一条结果是不是我要的”，MRR 就是衡量这个的。
具体怎么测试呢？
“我的做法是构建一个评估数据集。”
“先标注 200 到 500 组 QA 对，每组包含一个问题和对应的标准答案 chunk。然后把这些问题批量放到检索模块，拿到返回结果，和标注结果做对比，算上面三个指标。”
“派聪明 RAG 上线前我们跑了一轮评估，精确率从最初的 68% 优化到了 89%，主要靠两个手段：一个是换了更好的 embedding 模型，另一个是加了重排模型对检索结果做二次排序。”
老王追问：“重排模型用的哪个？”
“用的 bge-reranker-v2-m3，这个模型对中文语义的理解比较好，而且推理速度能接受，P95 延迟在 50ms 以内。”
老王点点头：“评估体系搭得还可以。”
02、上传文件的数量上限多少？
老王接着问：“上传文件的数量上限是多少？文件大小多少？”
我说：“这个要分两层来说——业务层限制和系统层限制。”
“业务层面，我们限制单次上传不超过 20 个文件，单文件不超过 50MB。大部分用户上传的是 PDF 和 Word，50MB 基本覆盖了 99% 的文档。”
“系统层面，真正的瓶颈在文档解析和向量化。一个 50MB 的 PDF 可能有几百页，解析成文本、切分成 chunk、逐个向量化，整个流程下来可能要几分钟。如果用户一次上传 20 个这种大文件，后台任务队列会堆积。”
“所以我做了异步处理。用户上传后立刻返回成功，后台用 Kafka 慢慢消化。前端有个进度条，处理完了会通知用户。”
老王追问：“如果有人恶意上传大量垃圾文件呢？”
“做了限流。按用户维度限制每天上传总量不超过 500MB，按 IP 维度限制并发上传数，以及做了每天的 Embedding 额度限制。另外文...
企业级Agent工作流编排项目PaiFlow
Vibe Coding版本的PaiAgent
派聪明RAG AI知识库Java版本+Go版本
微服务 PmHub、技术派、MYDB
求职派JobClaw（OpenClaw/Hermes架构
PaiCLI（类似Claude Code的Agent
派简历（代码已完成）
等实战项目。
1. 微信扫右侧的优惠券加入知识星球
2. 解锁星球的实战项目教程和源码： 项目源码+教程获取
9人已点赞
热门评论
7 条评论
回复