顺丰科技 AI 开发一面:RAG 知识库、Workflow 与 Docker 部署全链路
- 轮次
- 一面
- 时间
- 2026-10
- 来源
- 牛客网
《面试题目》
- 自我介绍,并介绍实习经历。
- 几个项目里哪个做得比较好?选一个详细介绍。
- 项目的整体架构和技术栈是什么?
- 举一个完整例子,把项目所有核心功能串起来。
- 用户使用时先输入什么?整体流程是什么?
- 用户输入资料后最终会输出哪些结果?分别在哪个环节生成?
- 多个版本的数据怎么管理?会一起参与处理还是每次指定一个?
- 用户需要在前端明确选择输入对象和版本吗?
- 项目的前后端都是自己开发的吗?
- 你觉得项目做得好的地方和遇到的困难分别是什么?
- 知识库在系统中起什么作用?在哪个环节使用?
- RAG 检索时召回的具体是什么内容?
- 知识库有多个版本时,如何确定召回范围?
- 用户已经明确指定两份文档,为什么还需要切块和检索?
- 为什么不直接把完整文档交给大模型,而要引入 RAG?
- 输入对象已明确,是否可以绕过知识库检索?
- 引入 RAG 相比直接处理原文,实际解决了什么问题?
- 知识库怎么搭建?具体处理流程是什么?
- 检索用关键词、向量还是混合检索?
- 怎么保证召回准确率?如何验证?
- 文档切分按结构还是按类型?怎么保证语义完整性?
- 支持哪些文档格式?PDF 里有图片或扫描内容怎么处理?
- 文档是在上传时切分存储,还是查询时才切分?
- 召回之后直接交给模型吗?中间还有哪些处理环节?
- 工作流怎么设计?有没有用 LangChain、LangGraph?
- 为什么选择按业务逻辑实现,而不是用现成 Agent 框架?
- 工作流如何记录各步骤的执行状态和结果?
- 项目部署在本地还是服务器?有没有用 Docker?怎么部署?
- Workspace 工作空间隔离指什么?不同用户/空间的数据怎么隔离?
- 质量评测怎么实现?功能测试与 AI 效果评估有什么区别?
《参考解析》
为什么有明确文档还要 RAG:完整文档直接塞给模型有三个问题:上下文窗口有限,长文档会挤掉指令和其他材料;无关内容会稀释注意力,增加幻觉和答偏;成本与延迟随 token 线性上升,且每次重复处理同一份文档很浪费。RAG 先检索出与当前问题相关的片段,把“找信息”和“用信息回答”拆开,既降低 token,又能给答案附来源。即使输入对象明确,也需要切块,因为问题往往只涉及文档的某几节;检索的作用是定位到那几节。如果文档很短、问题覆盖全文,确实可以绕过检索直接全文输入,但要在评测里验证效果和成本。
切分与混合检索:按文档结构切(标题、段落、表格、代码块)比固定字数更保语义;块太大召回不准、太小丢上下文,常见做法是 300~800 字、overlap 10%~20%,再用评测集调。每个块带 doc_id、版本、章节路径、权限标签。检索用向量召回语义相近的内容,用 BM25/关键词召回专有名词、型号、编号,两路结果融合(RRF 或加权)后重排,取 top-k 交给模型。召回之后通常还要做去重、按版本过滤、按权限过滤、邻接块扩展和上下文压缩,不是直接拼接。
知识库与版本:搭建流程是解析(PDF 用版面分析,扫描件走 OCR)、清洗(去页眉页脚、乱码)、切分、嵌入、入库、建索引、评测。版本管理用“文档 ID + 版本号 + 生效时间”,检索时只召回当前生效版本;更新时先写新版本、灰度验证、再切别名,旧版本保留可回滚。不同版本不要默认混在一起,否则同一问题会召回互相矛盾的内容;如果业务需要对比,就在提示词里明确标注版本并让模型分别引用。
Workflow 与框架:工作流把任务拆成明确节点:解析、检索、重排、生成、校验、落库,每个节点有输入输出 schema、超时、重试和状态记录。用 LangGraph 这类框架的好处是状态管理和可视化,坏处是抽象层多、调试难;业务逻辑固定、节点不多时直接写编排代码更可控。是否用框架要看团队维护能力和需求变化速度,不要为了用而用。状态记录建议落一张任务表:任务 ID、当前节点、输入摘要、输出摘要、耗时、错误、重试次数,支持断点续跑和人工接管。
Docker 与隔离:Docker 把应用和依赖打包成镜像,部署时用 compose 或 K8s 编排;要注意镜像分层、非 root 运行、密钥不要打进镜像、数据卷持久化、健康检查和日志采集。Workspace 隔离至少三层:数据层按 workspace_id 做行级隔离或独立 schema/collection,检索时强制带过滤条件;计算层限制每个空间的并发、内存和超时;权限层做成员角色与资源鉴权。只靠前端传 workspace_id 不安全,服务端必须从登录态推导并校验。
质量评测:功能测试验证“流程通不通”(接口、状态、异常分支),AI 评测验证“答得好不好”(召回率、忠实度、答案相关性、任务成功率、时延与成本)。评测集要覆盖正常、边界、对抗和线上坏例;确定性部分写规则断言,语义部分用 LLM-as-judge 加人工抽检。每次改切分、模型、提示词都跑同一套评测,记录版本,避免“感觉变好了”。