面试题库

全部 Django Elasticsearch FastAPI Flask Function Call JVM Java IO Java 后端 Java 基础 Java 并发 Java 新特性 Java 集合 JavaWeb Kafka LLM LangChain LangGraph MongoDB MyBatis MySQL Netty Nginx Python RAG RabbitMQ Redis RocketMQ Spring Spring AI SpringBoot SpringCloud SpringMVC ZooKeeper 分布式 后端技术 大厂面经 大数据 微服务 提示词工程 操作系统 数据库 数据结构 智能体 海康威视2026秋季社招专项 消息队列 监控运维 算法 系统设计 缓存 计算机基础 计算机网络 设计模式 面试题 高可用 高并发
RAG 困难

如何评估一条解析/清洗管道的质量？有哪些量化指标与人工抽检方法？

作答 →
RAG 中等

解析文本里含大量导航菜单、广告、免责声明等噪声，应如何过滤？

作答 →
RAG 简单

为什么入库前要做字符编码统一与 Unicode 归一化？举例说明

作答 →
RAG 中等

文档清洗时如何识别“最小语义单元”，避免把一句话截断到不同 chunk？

作答 →
RAG 中等

同一文档存在 PDF/HTML/Markdown 多个版本时，如何归一化以避免重复索引？

作答 →
RAG 困难

扫描件 OCR 的识别错误如何传导到向量检索？有哪些纠错与后处理手段？

作答 →
RAG 困难

设计一条 PDF 解析流水线，说明如何处理版式还原、分栏识别与跨页段落拼接

作答 →
RAG 中等

RAG 中如何处理文档里的图片、公式等非文本内容？有哪些可选路径？

作答 →
RAG 中等

文档清洗为什么要去除乱码、控制字符与重复段落？过度清洗有什么风险？

作答 →
RAG 中等

从 PDF 抽取表格有哪些主流方案？为什么表格转纯文本会丢失语义？

作答 →
RAG 中等

PDF 中的双栏排版、页眉页脚、图片内文字分别会带来什么问题？如何应对？

作答 →
RAG 中等

文字型 PDF 与扫描型 PDF 的处理策略有何不同？OCR 在什么环节介入？

作答 →