YYihui’s Blog
EN
Yihui’s Blog
联系

AI 知识工程与 RAG 面试学习体系

AI应用开发更新 4 分钟阅读笔记整理 · Yihui

日期：2026-09-27
标签：#面试 #AI应用开发 #RAG #知识工程

本目录按「知识构建 → 索引与检索 → 证据组织 → 回答与评测」组织面试题。现有 32 篇短答来自牛面 AI 知识工程与 RAG 题库，各题详情见原题来源页；笔记是学习式改写。后续根据你的具体提问逐题补全原理、示意图、伪代码、工程取舍与可核验的参考资料。

快速入口：多跳问答完整示例 · 参考社区项目 · 题目模板 · AI 应用开发面试题总览

学习路径

flowchart LR
  A[知识工程基础] --> B[知识抽取与对齐]
  B --> C[图谱表征与推理]
  A --> D[数据准备与索引]
  C --> E[检索与证据组织]
  D --> E
  E --> F[回答与评测]

初学者可先看 17、06、15、19、29、21、11、18，建立端到端框架；再按下面的主题深入。题号沿用原题库，主题分组不改变原文件名。

一、知识工程基础

二、知识抽取与实体对齐

三、图谱表征、补全与推理

四、RAG 数据准备与索引

五、检索与证据组织

六、回答、对话与评测

后续提问如何落成笔记

  1. 定位题目：你直接问概念、方案、对比或项目场景；若已有对应文件，就在原文件中扩写。若是新题，以简短英文 slug 新建 Markdown 文件，并在本页对应主题补上链接。
  2. 先给可说出口的答案：以题目模板为骨架，先写一句话结论与 30–90 秒口语版，再展开机制、取舍、易错点和递进追问。每篇只保留与题目真正相关的小节。
  3. 用图和伪代码解释关键路径：有明确流程或关系时画简洁 Mermaid 图；有可操作算法时写清输入、输出、失败分支的伪代码。避免只画装饰图或用无法运行的占位图充数。
  4. 核验参考资料：优先引用论文、官方文档、标准或项目原仓库；社区项目写清它演示了什么、版本或提交、查阅日期。区分原题来源、原理依据和可学习的实现示例；未经核实的资料不要编造。
  5. 完成自测：检查术语和版本，核对 Markdown 相对链接与 Mermaid 语法，尝试脱稿回答，并把仍答不出的追问留到学习清单。
维护与整理 · Yihui在 GitHub 上编辑

继续阅读

浏览全部文章
AI应用开发5 分钟阅读

RAG 系统中如何处理多跳问答（Multi-hop QA）？

日期：2026-09-27 标签：#面试 #AI应用开发 #RAG #多跳问答 难度：困难 原题：牛面题目详情 一句话答案 多跳问答要找齐相互依赖的证据：把复杂问题拆成子问题，按依赖顺序检索并验证每一跳，再基于完整证据链作答和引用；证据不足时继续检索或拒答。 面试口语版（约 60 秒） 普通 RAG 用原问题检索…

阅读全文
AI应用开发3 分钟阅读

题目模板：把用户提问写成面试与学习笔记

复制本文件的结构到对应题目文件，替换提示文字；没有解释价值的小节可以删去。不要把待填提示或未经核验的事实当作答案发布。 （填写题目原文） 日期：YYYY-MM-DD 标签：#面试 #AI应用开发 #RAG #知识工程 难度：（按题目实际难度填写） 来源：（若改写已有题目，填原题直达链接；自拟题写“用户提问”，不要…

阅读全文