场景设计题和手撕代码的评分逻辑完全不同。手撕题看每一步对不对，场景题看的是分层：面试官抛一个模糊的业务场景，他要听你把问题拆成几层、每层有哪些选项、你选了哪个以及为什么。最差的回答是背功能清单，「我们会做切分、做向量化、做检索」，这句话零信息量，因为人人都会说。中位的回答是给方案但不给理由。拿到高分的回答长这样：先在白板上画分层架构，再沿着数据流走一遍，在两三个有分叉的路口停下来讲权衡，配上数字。数字尤其值钱：块大小 512 token、overlap 设 10% 到 20%、粗排 top 20 精排 top 5，这种张口就来的数字说明你真上线过，不是看博客背的。题目结构说明：每题四部分。考点定位讲面试官到底在筛什么；答题框架是白板上先画什么后讲什么的顺序；参考架构与关键决策给一套能落地的方案，带具体数字和决策理由；追问链是讲完方案后 80% 会跟上的问题，附一句话答法。伪代码只在检索链路这种画图说不清的地方给。标记：⭐ 高频（出现率过半）、🔥 近两年新增。Q1 开放题：给公司内部 10 万份文档建知识问答，怎么设计？⭐考点定位：几乎所有 RAG 面试的第一题，也是定调题。面试官在筛三件事：能不能先问澄清问题（文档什么格式、多少并发、允不允许外部 API）、有没有分层意识（离线链路和在线链路分开）、知不知道落地时死在哪（权限、更新、评估）。一上来就报 LangChain 组件名的，基本被归为教程选手。答题框架：先反问三个澄清问题，再画分层图，最后按数据流讲一遍并主动说出两个风险点。顺序别乱：澄清 - 架构 - 数据流 - 风险。参考架构与关键决策：离线（文档侧，天级跑批） 在线（查询侧，秒级响应） ┌────────────────────┐ ┌────────────────────┐ │ 文档接入: Confluence/ │ │ 查询理解: 改写/指代消解 │ │ PDF/Word - 纯文本 │ │ ↓ │ │ ↓ │ │ 混合检索: 向量+BM25 │ │ 预处理: 去页眉页脚、 │ │ 粗排 top 20 │ │ 表格转 Markdown │ │ ↓ │ │ ↓ │ │ Rerank 精排 - top 5 │ │ 分块: 递归切分 │ │ ↓ │ │ ↓ │ │ 阈值过滤 + 兜底 │ │ Embedding + 入库 │ ─── │ ↓ │ │ (向量库 + 倒排索引) │ 共享 │ Prompt 拼接 - LLM │ │ ↓ │ 存储 │ ↓ │ │ 增量更新: 文档指纹去重 │ │ 引用标注 + 日志埋点 │ └────────────────────┘ └────────────────────┘关键决策：10 万份文档按平均 20 页算约 200 万块，单机 FAISS 够用，但考虑到后续权限过滤和增量更新，选 Milvus 或 ES 更稳；embedding 选中文强的 BGE 系列（1024 维）；10 万文档全量重建索引要数小时，所以用文档内容 hash 做指纹，只重灌变化的文档。风险点主动提两个：权限（Q8 展开）和评估（Q9 展开）。追问链：「一天后有人改了文档，怎么生效？」- 指纹比对定位变更文档，删旧块插新块，分钟级；全量重建留给周末。「为什么不直接拿长上下文模型塞文档？」- 长上下文解决单次塞多少，检索解决从海量里选哪些，10 万份文档约 2 亿 token，塞不动也检索不了。「先做