宸迪-CSDN博客

原创【大模型】RAG相关面试问（持续更新）

多轮对话中，用户意图可能从“获取事实”逐渐转向“深度分析”或“个性化建议”(如从”续航多少"一”适合长途自驾吗”一"对比极氮001哪个更合适”)。传统 RAG的检索仅聚焦事实性文档，难以匹配意图的深层变化，导致回答缺乏针对性。对话主题可能随轮次动态迁移(如从“车型参数”转向“购车优惠”)，但传统RAG的检索策略(如固定的向量数据库、检索阈值)是静态的，无法实时调整检索范围或权重，导致检索结果滞后于对话主题变化。1、检索与对话历史脱节，相关性下降（没有考虑多轮对话）5、用户意图的“隐性演进”未被捕捉。

2026-03-03 01:41:40 455

chendi8的博客

原创【大模型】RAG相关面试问（持续更新）

原创【数据库】Mysql和MongoDB

原创【python】使用uv管理项目包依赖

原创【大模型】微调相关记录

原创【Agent】上下文工程

原创【Agent】Agent相关

原创【Prompt】提示词相关

原创【RAG】RAG高效召回及RAG搭建DEMO

原创【RAG】RAG相关处理

原创【Embedding】Embedding模型

原创【FAISS】FAISS的相关介绍

原创【Embeddings】Embeddings和向量数据库

原创【RAG】RAG的核心原理及流程

原创【Dify】dify遇见的问题——绑定本地大模型失败

原创【k8s】k8s基础理论

原创【Docker】Docker Compose相关

原创【Docker】基础命令使用篇

原创【Docker】docker安装记录

空空如也

空空如也