一个完整的 RAG 流水线包含哪些步骤？

面试时怎么答

别把 RAG 说成“向量库加大模型”。先分成离线建库与在线问答：前者负责解析、切块、Embedding 和索引，后者负责查询处理、召回、重排、上下文组装、生成与引用。

回答末尾给出排障分层会很加分：先判断证据有没有被召回，再看排序和上下文是否正确，最后查模型是否忠实使用证据。追问常从 Chunk、权限或评测三处展开。

可以这样答：

完整 RAG 有两条链路。离线侧把文档解析、清洗、切块、向量化，并建立带版本和权限的索引；在线侧处理用户查询，进行多路召回与重排，在 Token 预算内组装证据，再让模型生成答案和引用。它让知识可更新、可追溯，但检索正确不代表生成一定忠实，所以要分层评估 Recall、排序质量、Faithfulness、引用准确率和延迟。

核心回答

RAG 通常分为离线建库和在线问答两条链路。离线阶段完成数据采集、解析、切块、向量化并建立索引；在线阶段处理用户问题，在当前 tenant、用户和 ACL 约束下召回候选片段，再去重、融合或重排后组装上下文，让模型基于问题和证据生成回答。RAG 给模型提供了可更新、可追溯的外部信息，但不能保证模型一定忠实使用这些信息。

展开说明

一条常见链路可以拆成：

数据准备：解析网页、PDF、数据库等来源，保留标题、页码、版本和权限元数据。
索引构建：按语义边界切块，用 Embedding 模型编码，并写入向量或关键词索引。
查询处理：规范化问题，必要时补全指代、改写或拆分查询。
检索与排序：获取较大的候选集，再过滤、融合和重排，选出最终证据。
上下文组装：控制 token 预算，保留来源标识，并减少重复或冲突片段。
生成与校验：要求模型依据证据回答；对答案、引用和拒答条件做检查。

原始 RAG 将模型参数视为参数化记忆，将外部索引视为非参数化记忆。生产系统中的检索器、索引和生成器可以独立升级，因此排错时也应分层评估。

工程实践

最小可用版本先做到“可回放”：记录数据版本、原始查询、候选文档、最终上下文、模型版本和答案。回答错误时先判断证据是否被召回，再判断生成器是否正确利用证据，避免把所有问题都归因于 Prompt。

常见追问

RAG 为什么能更新知识而不重新训练模型？ 知识保存在外部索引中，更新文档与索引即可让下一次推理读取新证据，模型参数不必随每次知识变化而更新。
离线建库和在线查询分别有哪些性能瓶颈？ 离线常卡在解析、Embedding 吞吐和索引构建；在线常卡在查询改写、向量检索、重排和 LLM Prefill，并要关注尾延迟。
已经召回正确文档，为什么仍可能回答错误？ 关键片段可能在切块或打包中丢失，也可能被噪声淹没；生成器还可能忽略、误读或与参数记忆冲突。

一句话复习

RAG 是“建库、检索、组装证据、生成与校验”的完整链路，不只是向量数据库加一次模型调用。

参考资料

面经主题：Datawhale 的 LLM、VLM 与 Agent 真实面试题整理
技术依据：Retrieval-Augmented Generation、Dense Passage Retrieval