面灵AI→

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》

  1. 自我介绍,并介绍实习经历。
  2. 几个项目里哪个做得比较好?选一个详细介绍。
  3. 项目的整体架构和技术栈是什么?
  4. 举一个完整例子,把项目所有核心功能串起来。
  5. 用户使用时先输入什么?整体流程是什么?
  6. 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?
  7. 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?
  8. 用户需要在前端明确选择输入对象和版本吗?
  9. 项目的前后端都是自己开发的吗?
  10. 你觉得项目做得好的地方和遇到的困难分别是什么?
  11. 知识库在系统中起什么作用?在哪个环节使用?
  12. RAG 检索时召回的具体是什么内容?
  13. 知识库有多个版本时,如何确定召回范围?
  14. 用户已经明确指定两份文档,为什么还需要切块和检索?
  15. 为什么不直接把完整文档交给大模型,而要引入 RAG?
  16. 输入对象已明确,是否可以绕过知识库检索?
  17. 引入 RAG 相比直接处理原文,实际解决了什么问题?
  18. 知识库怎么搭建?具体处理流程是什么?
  19. 检索用关键词、向量还是混合检索?
  20. 怎么保证召回准确率?如何验证?
  21. 文档切分按结构还是按类型?怎么保证语义完整性?
  22. 支持哪些文档格式?PDF 里有图片或扫描内容怎么处理?
  23. 文档是在上传时切分存储,还是查询时才切分?
  24. 召回之后直接交给模型吗?中间还有哪些处理环节?
  25. 工作流怎么设计?有没有用 LangChain、LangGraph?
  26. 为什么选择按业务逻辑实现,而不是用现成 Agent 框架?
  27. 工作流如何记录各步骤的执行状态和结果?
  28. 项目部署在本地还是服务器?有没有用 Docker?怎么部署?
  29. Workspace 工作空间隔离指什么?不同用户/空间的数据怎么隔离?
  30. 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”。