Agent 面试八股 · 检索与 Agent · 判定报告
由 点睛 生成 · 2026-09-24T00:00:00.000Z · 判定引擎 lexical-demo / lexical-demo-v1（offline）
材料与覆盖
Agent 面试八股 · 检索与 Agent · 520 字符 · 14 个要点
材料要点覆盖 9/14（64%）
未覆盖的材料要点（如实列出，不代表题目有错）：
- 第 5 句：分块：块太大引入噪声，太小割裂语义，通常按语义边界切分并保留重叠。
- 第 9 句：记忆：短期记忆放在对话上下文，长期记忆落到向量库，按相关性检索后再注入。
- 第 10 句：规划：把复杂目标拆成子任务，配合执行后的反思，而不是一次性长篇推理。
- 第 11 句：评测：离线用标注集，线上看人工反馈与失败案例回流，没有评测就没有迭代依据。
- 第 12 句：幻觉：模型生成与事实不符的内容，可用检索约束、工具校验和置信度门控缓解。
溯源契约：所有「材料原文」字段均可在原文中定位。
逐题判定
关于「检索是 RAG 的第一阶段，决定模型能看到什么证…」，下列哪一项与材料中的描述一致？
你的作答
B. Agent：由模型驱动、可以调用工具并根据结果继续行动的循环系统。
参考答案 模型补充
A. 向量检索：把文本编码成向量，用相似度做语义召回。
模型补充 正确选项直接取自材料原文，其余选项来自其它知识点。
原文出处 · 第 2 句 / 共 14 句 材料原文
向量检索：把文本编码成向量，用相似度做语义召回。
关于「Agent：由模型驱动、可以调用工具并根据结果继…」，下列哪一项与材料中的描述一致？
你的作答
A. 工具调用：把外部能力以函数签名暴露给模型，模型输出结构化参数，由代码执行并回传。
参考答案 模型补充
A. 工具调用：把外部能力以函数签名暴露给模型，模型输出结构化参数，由代码执行并回传。
模型补充 正确选项直接取自材料原文，其余选项来自其它知识点。
原文出处 · 第 8 句 / 共 14 句 材料原文
工具调用：把外部能力以函数签名暴露给模型，模型输出结构化参数，由代码执行并回传。
关于「评测：离线用标注集，线上看人工反馈与失败案例回流…」，下列哪一项与材料中的描述一致？
你的作答
A. 上下文工程：控制进入模型的信息量与顺序，稳定规则在前，易变内容在后。
参考答案 模型补充
A. 上下文工程：控制进入模型的信息量与顺序，稳定规则在前，易变内容在后。
模型补充 正确选项直接取自材料原文，其余选项来自其它知识点。
原文出处 · 第 14 句 / 共 14 句 材料原文
上下文工程：控制进入模型的信息量与顺序，稳定规则在前，易变内容在后。
判断：Agent：由模型驱动、可以调用工具并根据结果继续行动的循环系统。
你的作答
错误
参考答案 模型补充
错误
模型补充 该表述来自材料中的其它知识点，与本题主题不符。
原文出处 · 第 6 句 / 共 14 句 材料原文
Agent：由模型驱动、可以调用工具并根据结果继续行动的循环系统。
判断：ReAct：把推理与行动交替进行，观察工具结果后再决定下一步。
你的作答
正确
参考答案 模型补充
正确
模型补充 该表述与材料一致。
原文出处 · 第 7 句 / 共 14 句 材料原文
ReAct：把推理与行动交替进行，观察工具结果后再决定下一步。
请补全材料中的关键表述。
你的作答
微调改行为与格式
参考答案 模型补充
微调改行为与格式
原文出处 · 第 13 句 / 共 14 句 材料原文
微调与 RAG：RAG 改知识，微调改行为与格式，二者解决的不是同一个问题。
请根据材料说明「检索是 RAG 的第一阶段，决定模型能看到什么证…」的要点。
你的作答
检索是 RAG 的第一阶段，决定模型能看到什么证据。 向量检索：把文本编码成向量，用相似度做语义召回。
参考答案 模型补充
检索是 RAG 的第一阶段，决定模型能看到什么证据。 向量检索：把文本编码成向量，用相似度做语义召回。 关键词检索：用 BM25 之类的算法补足专有名词与精确匹配。 重排：用 Rerank 模型对召回结果重新打分，提升 Top-K 精度。
| 得分点 模型补充 | 权重 | 命中概率 | 判定强度 | 结果 |
|---|---|---|---|---|
| 答案提到该要点：检索是 RAG 的第一阶段，决定模型能看到什么证据。 | 1 | 0.79 | 0.59 | 命中 |
| 答案提到该要点：向量检索：把文本编码成向量，用相似度做语义召回。 | 1 | 0.81 | 0.62 | 命中 |
| 答案提到该要点：关键词检索：用 BM25 之类的算法补足专有名词与精确匹配。 | 1 | 0.01 | 0.98 | 未命中 |
| 答案提到该要点：重排：用 Rerank 模型对召回结果重新打分，提升 Top-K 精度。 | 1 | 0.01 | 0.98 | 未命中 |
模型补充 每个要点对应一条判定问题，按权重合成得分。
原文出处 · 第 1 句 / 共 14 句 材料原文
检索是 RAG 的第一阶段，决定模型能看到什么证据。
- 材料原文 检索是 RAG 的第一阶段，决定模型能看到什么证据。
- 材料原文 向量检索：把文本编码成向量，用相似度做语义召回。
- 材料原文 关键词检索：用 BM25 之类的算法补足专有名词与精确匹配。
- 材料原文 重排：用 Rerank 模型对召回结果重新打分，提升 Top-K 精度。
标签说明：材料原文 可在材料中逐字定位；
模型补充 由模型生成，措辞可能与原文不同。
待复核题目的判定强度不足，分数仅供参考，也不计入知识点掌握度。
由 点睛 生成。