# 1. 文档新增、更新、删除和权限变化如何传播到索引，并保证最终一致性与可回滚 A 权限变化与索引无关，无需传播到检索层 B 删除文档应物理删除向量，不能使用墓碑标记 C 文档变更无需事件驱动，直接批量重建全量索引即可 D 通过版本号、墓碑与影子索引，可在不阻塞业务的前提下保证最终一致并支持回滚 ✓ 正确答案
# 2. Embedding 模型选型应基于哪些自有任务指标（多语种、长文本、领域术语） A 多语种场景不需要验证跨语种检索的对齐能力 B MTEB 排名第一的 Embedding 模型一定最适合企业任务 C Embedding 模型只需比较向量维度，无需关注检索指标 D Embedding 选型应基于自有 query 集与语料构造评估集，评估多语种、长文本与领域术语等专项指标 ✓ 正确答案
# 3. RAG 知识库的“新数据进入—索引更新—检索可见”端到端延迟应如何设定 SLA，过旧数据如何标记与告警 A 所有知识库数据都应要求秒级可见，无需分级 B 数据过旧无需标记，只要向量还在就能检索 C 索引段合并耗时不影响端到端延迟 D 应按业务时效性分级设定端到端 SLA，并用元数据记录数据新鲜度、超过阈值时降权并告警 ✓ 正确答案
# 4. 如何设计 RAG 知识库的权限模型，文档级 ACL、字段级遮盖、租户隔离如何在摄取与检索阶段对齐 A 权限控制只需在生成阶段对答案做遮盖即可 B 字段级遮盖应在生成阶段临时处理，无需进入摄取流程 C 租户隔离与文档级 ACL 只能二选一 D 权限模型应在摄取阶段把 ACL 写入元数据，检索阶段 pre-filter 过滤，生成阶段再做答案级复核 ✓ 正确答案
# 5. 多租户 RAG 如何在摄取、索引、检索和缓存各层防止跨租户泄漏 A 只要向量库物理隔离，缓存层就不会泄漏 B 多租户隔离应在摄取、索引、检索与缓存各层强制注入租户标识，缓存键必须包含 tenant_id ✓ 正确答案 C 检索过滤器可以由大模型自由生成 D 租户 A 的查询命中租户 B 的缓存结果是可以接受的
# 6. 向量化前对长文档摘要或抽取会丢失哪些细节，应在何时做“稀疏-稠密双路召回”补偿 A 长文档摘要化会丢失精确信息与结构信息，精确查询占比高时应采用稀疏-稠密双路召回补偿 ✓ 正确答案 B 摘要化处理对精确匹配型查询没有影响 C 稀疏检索在摘要化后完全没有意义 D RRF 融合只适用于稠密向量之间的融合
# 7. 如何选择合适的 Embedding 维度（如 384、768、1024、1536、3072） A 维度决定向量空间的表达能力，需结合数据规模、量化方案与部署约束综合选择，并用评估集验证 ✓ 正确答案 B Embedding 维度越高，检索效果一定越好 C 384 维一定优于 1536 维，因为存储更省 D 维度只影响存储，不影响检索延迟
# 8. RAG 知识库中引入用户反馈（点赞、点踩）作为后续检索的加权信号时，如何避免反馈偏差放大 A 反馈加权需设置置信度门限、时间衰减与权重限幅，并通过 A/B 实验验证，防止偏差自我放大 ✓ 正确答案 B 用户反馈越多越准，可以直接用于加权 C 点踩数据无需审计，不存在操纵风险 D 反馈加权应直接修改查询向量
# 9. RAG 与传统搜索（Elasticsearch、OpenSearch）在召回逻辑、排序依据与结果可解释性上有何本质差异，何时应混合使用？ A 传统搜索基于词法精确匹配与 BM25 统计打分，可解释性强；向量检索基于语义近似、可解释性弱，精确与语义查询并存时应混合使用 ✓ 正确答案 B 混合检索时两种结果不能融合 C ES 的 BM25 无法解释任何排序结果 D 向量检索能完全替代 BM25 词法检索
# 10. RAG 的"索引质量"如何度量，分块重叠、元数据完整性与去重如何治理？ A 索引质量只需看向量库 QPS 指标 B 索引质量应通过分块重叠率、元数据完整率与去重率等指标度量，并建立看板持续监控治理 ✓ 正确答案 C 分块重叠越高越好，能增强召回 D 缺失元数据的文档应直接入库，无需校验
# 11. pre-filter 与 post-filter 对召回率、延迟和权限正确性有何影响，安全过滤应放在哪里 A 过滤条件可以由模型生成并拼入查询 B post-filter 能保证被过滤文档绝不召回 C pre-filter 不影响召回率 D 权限与安全过滤必须放在检索前由服务端强制注入，post-filter 只适合非安全性的软过滤 ✓ 正确答案
# 12. 为什么不能假设 MTEB 排名第一的 Embedding 一定适合企业任务，必须用自有 query 集做对比 A MTEB 分数直接决定企业选型结果 B MTEB 与企业任务在任务形态、领域词汇与语言分布上存在错位，必须用自有 query 集评估 Recall@K 等指标 ✓ 正确答案 C 自有评估只需 10 条查询即可代表全量业务 D 榜单任务与企业检索任务完全一致
# 13. RAG 索引应建立哪些元数据（来源 URL、抓取时间、更新时间、删除标记） A 元数据只用于展示，不影响检索 B RAG 索引元数据分为溯源、时间、治理、权限等类，承担过滤、溯源、新鲜度治理与权限控制的作用 ✓ 正确答案 C 删除标记无需与源系统联动 D 版本号与去重指纹不属于治理类元数据
# 14. 如何区分“向量库是系统瓶颈”还是“检索逻辑是瓶颈”，定位方法是什么 A 通过链路追踪拆解各环节耗时、对向量库做隔离压测与增量实验，可区分向量库瓶颈与检索逻辑瓶颈 ✓ 正确答案 B 检索变慢一定是因为向量库性能不足 C 扩容副本能解决一切检索问题 D 资源占用低时不可能有检索瓶颈
# 15. RAG 知识库中混入错误或过期文档时，搜索/检索和后端编辑流程如何快速批量下架 A 错误文档无需批量圈选，只能逐条处理 B 批量下架应先物理删除向量，再等索引重建 C 下架只需修改元数据，无需清理缓存 D 应先用墓碑标记实现秒级屏蔽，再异步物理清理，并清理响应缓存与验证召回残留 ✓ 正确答案
# 16. 从摄取、解析、清洗、分块、Embedding、索引、检索、重排到生成引用，如何设计一个端到端可观测、可回滚、可验证的完整 RAG 数据流 A RAG 数据流只需关注在线检索环节 B 索引版本不需要纳入可回滚设计 C 解析失败样本无需记录，直接丢弃即可 D 端到端数据流应以全局 trace 串联各环节、按版本管理产物支持回滚，并用评估门禁验证每阶段质量 ✓ 正确答案
# 17. 多模态 RAG（图像、表格、视频、音频转写）应如何在同一向量空间中联合检索，避免跨模态语义鸿沟 A 多模态 RAG 应用对齐模型共享向量空间或以转写桥接到文本空间，并按模态归一化分数、以模态标签支持过滤 ✓ 正确答案 B 跨模态分数无需归一化 C 视频无需处理即可参与向量检索 D 图像向量与文本向量天然可以直接比较
# 18. 对 GDPR/PIPL 删除请求，RAG 索引中的向量和元数据应如何传播删除并防止残留 A 删除索引向量即完成合规删除 B 备份快照中的旧数据无需处理 C 删除权请求应经墓碑屏蔽、物理删除并清理缓存/日志/备份等残留载体，再通过反查验证确保不可检索 ✓ 正确答案 D 用户数据删除无需记录审计日志
# 19. BM25 与向量结果用 RRF 融合时，如何调试关键词命中和语义召回之间的冲突 A RRF 融合结果无法调试，只能接受 B 关键词型查询冲突说明 RRF 完全不可用 C k 值越小，对排名靠后的结果权重越大 D 应记录两路分数与排名定位分歧，按查询类型分类，调整 k 值权重或引入查询路由，并用冲突测试集回归 ✓ 正确答案
# 20. 企业知识库的多版本文档与权限如何映射到检索层，避免越权检索？ A 检索时只过滤权限即可，版本不重要 B 旧版本文档可以直接删除，无需保留 C 权限条件可以由用户前端自由指定 D 应记录版本、生效时间、状态与 ACL，检索时组合过滤"最新有效版本 + 当前用户有权"，并用越权测试集验证 ✓ 正确答案
# 21. 混合检索（BM25+向量）的分数融合与阈值如何调优？ A RRF 融合要求两路分数必须同一量纲 B 应先用评估集网格调优融合方式与参数，再按分数分布与覆盖率选择阈值，并区分精确/语义查询配置 ✓ 正确答案 C 阈值对所有查询类型应完全一致 D 线性加权无需分数归一化
# 22. 企业文档（PDF、Word、Confluence、Slack、邮件）在摄取前应做哪些格式归一化与权限校验，才能保证检索结果可追溯？ A 不同来源文档格式无需统一，直接切块即可 B 邮件内容无需权限校验 C 摄取前应统一解析与清洗为中性结构、校验源系统权限并写入 ACL、登记来源 ID 与原文位置，保证可追溯 ✓ 正确答案 D 可追溯性只需记录块内容，不需要原文位置
# 23. RAG 知识库的“冷启动”问题（库为空、语料不足）应如何快速预热并避免在空状态上线 A 空库也可以直接上线，用户反馈后再补语料 B 覆盖率门禁只会拖慢上线速度，没有价值 C 冷启动期间所有答案都应标记为可靠 D 冷启动应优先导入既有资产与种子问答补料，并以覆盖率门禁拦截低覆盖上线，低置信度查询走拒答与反馈收集路径 ✓ 正确答案
# 24. RAG 链路中引用溯源与"检索不到但模型幻觉"的差异如何区分？ A 引用标注错误与无检索依据的编造是同一类问题 B 模型自信的答案一定来自检索证据 C 空检索时模型自由发挥是可以接受的 D 引用溯源失败是"有据但标错"，无检索依据的幻觉是"无据硬答"，可通过引用支持率与证据链检查区分并分别治理 ✓ 正确答案
