某 RAG 系统向量检索已上线，但用户搜“错误码 E5021”“XX-2024 版合同”这类精确串经常召不回。加上 BM25 之后精确串好了，但 top-k 里混进大量关键词命中、语义无关的结果，Rerank 之后仍然不稳定。你会怎么设计混合检索的融合方式和参数？给出具体做法、上线风险和成本考虑。
面试官在考什么
判断候选人能否理解稀疏与稠密检索的分工与打分不可比性，并把融合、路由、可观测和索引一致性作为一个系统来设计。
回答框架 · 前两步
- 先确认两路互补性：精确串/低频术语交给稀疏检索，语义改写交给稠密检索；在融合前要保证每一路自己的召回质量
- 融合方式二选一：分数归一化后加权（需要按 query 类型调参）或秩融合 RRF（尺度和量纲无关，但丢弃分数幅度信息），选择要有离线扫参支撑
还有 3 条答案要点、 3 层追问、 4 个常见坑， 以及针对你简历的追问路径，在定制报告里。
延伸阅读
想看这个方向的整体准备路线？ 进入「NLP 与大模型」方向页
同一能力域的其他题
- RAG 的完整链路你会怎么搭？文档切分这一步，你会怎么定 chunk 大小和重叠？为什么？
- 大模型幻觉你会怎么治理？请区分"知识型幻觉"和"指令遵循型幻觉"分别怎么处理。
- 向量检索的召回效果不好，你会从哪些环节排查？说一个你实际调过的参数和它的影响。
- 你怎么评测一个 RAG 系统的好坏？请分别说检索侧和生成侧各看什么指标、怎么构造评测集。
- 一份 200 页的 PDF 技术手册要进 RAG 知识库，目录层级清晰，但有跨页表格和一段 3000 字的长章节。业务要求答案能定位到具体小节，同时回答里要保留足够上下文。你打算怎么设计切分策略？请给出 chunk 大小、overlap、切分依据，并说明长章节和表格分别怎么处理。
- 企业知识库要入库一批 200 页左右的产品技术手册（PDF，含大量跨页表格和 3 级标题），同时还有几万条几十字的客服工单。用户 query 大多是「XX 型号的额定功率是多少」这类精确查找，也有「怎么重置设备」这类流程性问题。请给出你的切分方案：chunk 大小和 overlap 怎么定？标题层级要不要拼进 chunk？跨页表格怎么办？工单和手册要不要用同一套策略？