RAG 系统设计题是 AI 应用面试高频题。回答时不要只讲向量数据库，要覆盖文档、检索、权限、生成、评估和运维。

1. 题目：设计一个企业知识库问答系统

回答主线：

文档接入
  -> 解析清洗
  -> 切分
  -> 向量化和索引
  -> 用户提问
  -> 权限过滤
  -> 混合检索
  -> 重排
  -> 上下文拼接
  -> 模型生成
  -> 引用和反馈

2. 离线索引链路

要点：

• 支持 Markdown、PDF、Word、网页等。
• 清洗页眉页脚、广告、重复内容。
• 保留标题、表格、代码块和元数据。
• 按标题、段落或语义切分 Chunk。
• Chunk 存储来源、版本、权限、更新时间。
• 使用 Embedding 写入向量库，同时可建关键词索引。

3. 在线问答链路

要点：

• 用户问题进入后先做身份识别和权限过滤。
• 使用向量检索 + 关键词检索 + 元数据过滤。
• 对候选结果去重和 Rerank。
• 拼接上下文时保留来源编号。
• Prompt 要求只基于资料回答。
• 资料不足时拒答。
• 返回答案和引用。

4. 权限设计

重点表达：

权限必须在检索阶段完成，不能把无权文档放进模型上下文后再要求模型不要泄露。

可以按租户、部门、项目、角色和文档 ACL 做过滤。

5. 评估指标

链路	指标
检索	Recall@K、Precision@K、MRR
生成	正确性、完整性、忠实性
引用	引用准确率
安全	越权率、拦截率
体验	延迟、点踩率、转人工率

6. 常见优化

• 优化文档清洗。
• 调整 Chunk 大小和重叠。
• 使用混合检索。
• 加 Rerank。
• 优化 Prompt 的拒答规则。
• 建立失败样本评估集。
• 对热点问题做缓存。

7. 容易漏的点

1. 文档解析和清洗。
2. 权限过滤。
3. 引用来源。
4. 资料不足时拒答。
5. 文档更新和索引增量同步。
6. RAG 评估闭环。

8. 简洁答法

我会把系统分成离线索引和在线问答两条链路。离线负责文档解析、清洗、切分、向量化和元数据入库；在线负责用户鉴权、混合检索、重排、上下文拼接和模型生成。权限过滤必须在检索阶段完成，答案需要返回引用。上线后通过检索指标、答案正确性、引用准确率和用户反馈持续优化。