手撕代码题（二）：RAG 检索链路（10 题）-北京尧图网络

RAG 手撕题的死法很典型：九步流程背得一字不差，面试官说「那把 BM25 写出来」，就卡在 IDF 公式上；说「两路召回怎么合」，就把余弦分数和 BM25 分数直接相加。这类题筛的不是流程认知，是有没有把 RAG 当工程系统跑过：分块的 overlap 怎么算、过滤放在检索前还是后、索引更新要不要全量重嵌，全是踩过坑才答得出细节的点。本篇按出现频率排了 10 道，从分块一路手撕到增量索引。题目结构说明：每题四部分。考点定位讲面试官到底在筛什么；解题思路是白板上先写什么后写什么的框架；伪代码逐行注释，# [n_chunks, dim]这种标注就是面试时口述数据结构的话术，照着说；追问链是写完代码后 80% 会跟上的问题，附一句话答法。标记：⭐ 高频（出现率过半）、🔥 近两年新增。Q1 手撕分块：固定滑窗与递归切分（含 overlap）⭐考点定位：RAG 手撕的开场题。固定切分几乎人人会写，overlap 的步长计算和递归切分的降级顺序是两个卡人的点，写错步长会切出指数级数量的块，等于宣告没跑过。解题思路：固定切分就一句：步长等于 chunk_size 减 overlap。递归切分记优先级：分隔符从段落到句子到词逐级降级，全都切不动了才退化为固定切分。伪代码：def fixed_chunk(text, chunk_size=500, overlap=50): # text: str，chunk_size/overlap 单位是字符 step = chunk_size - overlap # 步长 450，不是 500 chunks = [] for start in range(0, len(text), step): piece = text[start : start + chunk_size] # 相邻块共享 50 字符 if len(piece) overlap: # 尾巴太短没信息量 if chunks: chunks[-1] += piece # 并进上一块，避免碎块 break chunks.append(piece) if start + chunk_size = len(text): break return chunks # List[str] def recursive_chunk(text, chunk_size=500, overlap=50): separators = ["\n\n", "\n", "。", "，", " "] # 优先级从高到低 if len(text) = chunk_size: return [text] for sep in separators: if sep not in text: continue parts = text.split(sep) # 只用当前层级切 chunks, cur = [], "" for p in parts: # 贪心装包：能塞就塞 cand = cur + sep + p if cur else p if len(cand) chunk_size and cur: chunks.append(cur) cur = cur[-overlap:] + p # 新块开头带上 overlap 尾巴 else: cur = cand if cur: chunks.append(cur) # 单块仍超长（一个超长段落）：对它递归降级切 out = [] for c in chunks: out += recursive_chunk(c, chunk_size, overlap) if len(c) chunk_size else [c] return out return fixed_chunk(text, chunk_size, overlap) # 没有任何分隔符，兜底追问链：「overlap 设多少？」- chunk_size 的 10% 到 20%，比如 500/50；太小切断跨边界语句，太大块之间冗余高、检索回来重复内容。「语义切分怎么做？」- 算相邻句子的 embedding 余弦，相似度跌破阈值就切一刀，最准但每句都要嵌入，慢。「Parent-Child 切分解决什么？」- 检索用小块保精确，命中后返回其所属大块保完整，两全。Q2 手撕 BM25 打分 ⭐考点定位：考对经典稀疏检索的真懂程度。IDF 公式写不出的占多数，词频饱和项和长度归一化项说得出作用的更少。写得出 BM25，面试官才信你理解向量检索补的是什么。解题思路：总分等于每个查询词的贡献求和。每个词贡献 = IDF × 词频饱和项。饱和项分子分母

手撕代码题（二）：RAG 检索链路（10 题）

相关推荐

从零构建交互式文字PV：Vue3+GSAP时间线驱动的前端实践

AI获客智能体横评：谁才是真正的营销效率革命者？

从聊天到科研实操：构建Scientific Agent技能体系与工程落地

更多资讯

智通电工证郑州报考避坑指南：新手必须知道的3个关键点

电工证刷卡查询过期了不知道怎么复审延期？上岗必备操作指南

电工证刷卡查询怎么操作？电子证书过期别慌，教你一步步处理

盐池考电工证全国通用怎么考？新手必看避坑指南

鹿寨去哪里复审电工证别踩坑了，实操考试心里没底怕挂科

电工证怎么改电话多少钱安阳应届生实操指南

今日更新

桐乡去哪考电工证怎么考？全国通用电工证报考全流程详解

低压电工证是必须的嘛电子证书怎么申请更稳妥

特种作业证模板工怎么报名才不会被中介坑

本周精选

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

本月热门

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

读完文章，想聊聊您的网站？

相关推荐

从零构建交互式文字PV：Vue3+GSAP时间线驱动的前端实践

AI获客智能体横评：谁才是真正的营销效率革命者？

从聊天到科研实操：构建Scientific Agent技能体系与工程落地

更多资讯

智通电工证郑州报考避坑指南：新手必须知道的3个关键点

电工证刷卡查询过期了不知道怎么复审延期？上岗必备操作指南

电工证刷卡查询怎么操作？电子证书过期别慌，教你一步步处理

盐池考电工证全国通用怎么考？新手必看避坑指南

鹿寨去哪里复审电工证 别踩坑了，实操考试心里没底怕挂科

电工证怎么改电话多少钱 安阳应届生实操指南

今日更新

桐乡去哪考电工证怎么考？全国通用电工证报考全流程详解

低压电工证是必须的嘛电子证书怎么申请更稳妥

特种作业证模板工怎么报名才不会被中介坑

本周精选

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

本月热门

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

读完文章，想聊聊您的网站？

鹿寨去哪里复审电工证别踩坑了，实操考试心里没底怕挂科

电工证怎么改电话多少钱安阳应届生实操指南