向量检索、检索增强生成（RAG）、大语言模型及相关系统架构——典型面试问题及简要答案

1. 什么是向量检索？它与传统基于关键字的检索相比有什么不同？

答案要点：

• 向量检索是将文本、图像、音频等数据映射为向量，在高维向量空间中基于相似度或距离进行搜索。
• 与传统基于关键字的检索（如倒排索引）相比，向量检索更关注“语义”或“特征”，能找出语义上相似但未必包含相同关键词的内容。
• 向量检索非常适合多模态场景（例如“以图搜图”）或自然语言问答（同义词、上下文关联等）。

---

2. 什么是检索增强生成（RAG）？核心流程是怎样的？

答案要点：

• 检索增强生成（Retrieval-Augmented Generation，RAG）将“外部知识检索”与“生成式模型”结合起来，先检索与问题相关的文档/段落，再将结果作为上下文输入到生成模型进行回答或创作。
• 核心流程包括：
  1. 对用户查询进行向量化并检索相关文档；
  2. 将检索到的文档与查询拼接（或摘要）成Prompt；
  3. 生成式模型基于Prompt生成最终答案；
  4. &#x