面试官只要敢问什么是Rag？那就拿下！

• 回答RAG面试题需结合微调进行对比阐述，避免仅将其简单等同于知识库。 — ✓ “一定要结合微调去说” (0:05)
• RAG通过检索增强技术补充特定知识，具有见效快、成本低的优势。 — ✓ “见效快 成本低”
• 微调通过强化学习改变模型参数量与性格灵魂，但需要大量数据集且成本高、见效慢。 — ✓ “改变性格灵魂” (0:34)
• RAG主要解决大模型训练完成后知识锁定及无法实时更新的问题。 — ✓ “所有的知识就锁定了” (1:05)
• 微调能真正改变大模型的性格和底层逻辑，而RAG仅在表层进行表演式响应。 — ✓ “因为它只是在表演” (1:44)
• 使用RAG时若要求模型切换方言（如武汉话），长上下文后易出现混乱或遗忘设定。 — ✓ “结果你又问了两句” (1:38)
• 面试高分答案应涵盖RAG与微调在成本、速度、功能上的核心差异及各自适用场景。 — ✓ “没有对比就没有伤害” (0:29)

• 0:00 AI生成 / 与微调 / 10k →知识库 / 提问→Prompt→LLM / 回复 / 30k 微词 / 检索增强 模型参数量 / 见效小慢 / 补充特定知识 改变性能思路
• 0:06 与微调 / 10k →知识库 / 提问→Prompt→LLM / 回复 / 30k 微词 / 检索增强 模型参数量 / 见效小慢 / 补充特定知识 改变性能思路 / 你要回答这个问题
• 0:09 微调 / →知识库 / 问→Prompt→LLM / 回复 / 微词 / 模型参数量 / 见效小慢 / 改变性能思路
• 0:15 与 / 10k →知 / 怎么回答？ / 30k / 检索增强 / 补充特定知识 / 改变 / 20K的同学怎么答？
• 0:18 与微调 / 10k →知识库 / 提问→Prompt→ / 回复 / 30k 微词 / 检索增强 模型参数量 / 见效小慢 / 补充特定知识 改变性能思路 / CONSTANCY / 假如说
• 0:24 与微调 / 10k →知识库 / 提问→Prompt→LLM / 回复 / 30k 微词 / 检索增强 模型参数量 / 见效小慢 / 补充特定知识 改变性能思路 / 检索内容
• 0:31 与微调 / 10k →知识库 / 提问→Prompt / 30k / 怎么回答？ / 但是远远不够
• 0:34 与微调 / 10k →知识库 / 提问→Prompt→LLM / 30k 检索增强 补充特定知识 / 微调 大量数据 见效慢 改变性格灵魂 / 因为没有对比就没有伤害
• 0:40 与微调 / 10k →知识库 / 提问→Prompt→LLM / 30k 检索增强 补充特定知识 / 微调 大量数据 见效慢 改变性格灵魂 / 都可以对模型进行增强
• 0:46 与微调 / 10k →知识库 / 提问→Prompt→LLM / 30k 检索增强 补充特定知识 / 微调 大量数据 见效慢 改变性格灵魂 / 强化学习进行的

• 读了 1 张图，每张都有描述
• 图上文字 65 行
• 逐字稿 24 段 (124 / 124 s)
• 画面文字 24 行，带出现时间
• 抽帧间隔不超过 9.3 秒
• 没读到：comments not read

样例，第 1 张图 — A graphic with large red Chinese text at the top reading 'AI application development interview real questions' and orange text below asking 'What is RAG and fine-tuning?'. A person in a white t-shirt stands in front of a dark background with faint handwritten notes. 图上文字开头： “AI应用开发 面试真题 什么是Rag 与微调？ 30k”