RAG工程实践

RAG工程实践

1. RAG 全称检索增强生成，核心解决大模型知识滞后与幻觉问题（单选题）

2. 本地私有化 RAG 可以完全脱离公网离线部署运行（单选题）

3. 文档切片是 RAG 知识库构建流程里第一步核心操作（单选题）

4. 嵌入模型作用是把自然语言文本转换成高维向量数据（单选题）

5. 向量数据库仅能存储数据，不具备相似度检索能力（单选题）

6. 用户提问向量化后，才能在向量库中匹配相似文档片段（单选题）

7. 检索召回的内容优先级高于大模型自身原生知识库（单选题）

8. 提示词工程可以强制模型只依据检索内容进行回答（单选题）

9. TopK 数值设置越大，单次检索召回的文本片段数量越少（单选题）

10. 切片重叠区域设置合理，能够有效避免上下文信息断裂（单选题）