电话面试，基本都在聊我的RAG智能问答项目

RRF算法中的常数k为什么设置为60（平滑排名差异（调节“第一名”的权重）、鼓励“多路共识”（多列表融合））

当时没答出来：它是为了防止某一次搜索（比如纯向量或纯文本）的“第一名”分数过高，从而压制了另一种搜索的结果。它让融合算法更看重 “多次出现的文档” （即在语义和关键词上都有匹配）。

混合检索之后，有没有使用到重排序

RAG的文档分片过程中，除了设置覆盖率还有哪些方法？（语义分片、递归字符分片、父文档索引）

你的文档注入分片流程中，如果出现服务突然崩溃了怎么办？

文档的向量化过程需要花费很长的时间，你有什么办法可以提高效率吗？（文档分段，并行向量化）

你使用了虚拟线程，那么使用过程需要注意哪些问题？（synchronized关键字）

你使用SSE+虚拟线程，向用户流式回复，那么如果用户想中途停止AI的回复，应该如何做呢？（建立本地注册表，用户发送独立请求，终止回复中的虚拟线程）

如何评估RAG的检索效果？（召回率）（还有一个 nDCG ）

你都用过哪些大模型？用这些模型主要用来干什么？