AICG / RAG / 向量数据库题库
这部分是 AI 岗、平台岗、综合后端面试里很常见的“新技术基础题”。
你不用把自己讲成算法工程师，但要准备到：
我知道这些能力解决什么问题，也知道它们应该放在系统哪一层。
一、AICG 是什么
AICG 是 AI Generated Content，指利用生成式模型生成文本、图片、音频、视频、代码等内容。
二、RAG 是什么
RAG 是 Retrieval-Augmented Generation，先检索相关知识，再把检索结果作为上下文给大模型生成回答。
三、为什么需要 RAG
- 降低幻觉
- 提升回答与私有知识的相关性
- 让模型能用最新业务知识
四、RAG 的基本流程
- 文档切片
- embedding
- 建索引
- 检索 topK
- 重排
- 拼装上下文
- 生成回答
五、embedding 是什么
embedding 是把文本、图片等内容编码成向量表示，用来表达语义相似性。
六、向量数据库解决什么问题
向量数据库主要解决语义相似检索问题，适合做知识召回、相似搜索、推荐和 RAG。
七、为什么向量数据库不能替代 MySQL
因为两者解决的问题不同：
- MySQL：事务、关系、状态、业务主数据
- 向量数据库：相似检索和召回
八、向量数据库和 Elasticsearch 的区别
- Elasticsearch 更偏关键词 / 全文检索
- 向量数据库更偏语义检索
九、RAG 最大的问题是什么
- 切片不合理
- 召回不准
- 上下文太长
- 噪音知识太多
- 重排不足
- 生成时没有引用约束
十、如何提升 RAG 效果
- 更合理的切片
- 元数据过滤
- topK 调整
- 重排模型
- Query 改写
- 引用约束
- badcase 回流
十一、AICG 落地时要考虑什么
- 成本
- 时延
- 内容安全
- 审计
- 可追踪
- 人工兜底
- 质量评估
十二、结合你的项目怎么讲
海外业务平台
你可以讲 AI 能力接入不是独立存在，而是要和鉴定、订阅、支付、后台、归因一起协作。
研发流程 AI 化
你可以讲：
- AI 辅助单测
- 文档梳理
- 代码理解
- Agent 流程
十三、技术总监最可能怎么问
1. RAG 真正难在哪里
不在接模型，而在知识治理、召回质量和上下文控制。
2. 向量库放在哪一层
放在语义召回层，不放在业务主数据层。
3. AICG 怎么真正落地
要把生成能力接进业务流程，同时补上日志、评估、审计、质量控制和人工兜底。
十四、你最适合背的总结句
我对 AICG、RAG 和向量数据库的理解，不是停留在概念，而是把它们放进系统分层里看。RAG 解决的是知识增强，向量库解决的是语义召回，生成模型解决的是输出能力，真正落地时还要把质量、成本、时延和可控性一起考虑。