“知识库里明明有答案，Agent 为什么总搜不出来？”面试官问我。
他给了我一个例子：员工问“机票改签费能不能报”，系统找出的却是酒店标准、打车发票和出差申请，唯独没有那份《差旅报销制度》。
我答：“那就多搜几条，再让模型从里面挑。”
他追问：“前 5 条不相关，扩到 50 条只是多塞了 45 条。正确答案到底在哪一步丢的？”
我把“多搜一点”咽了回去。这个问题不能先调参数，要先找到正确段落：它是根本没进知识库，还是进了却没被捞到，还是捞到了却排得太后。
01
FIND THE ANSWER
一、我先把正确答案圈出来
我不会先看系统给出的分数，而会回到原文，找到这次本该命中的那句话：“因公产生的退改费用可据实核销。”
然后只问三个问题：这句话真的进入了可搜索的知识库吗？搜索结果里出现过吗？如果出现了，它排在第几？
这一步看起来笨，却能把“检索不准”拆成三个完全不同的问题。连正确答案是什么都没确定，后面调出来的每个数字都只是气氛组。
02
INDEXING
二、第一件事：这本“书”真的上架了吗
“知识库里有这份文件”，不等于 Agent 真能搜到它。
文件可能导入失败，扫描件可能没识别出正文，新版本也可能没有重新处理。还有一种更隐蔽的情况：章节标题、适用范围和关键句被切成了三段。每一段都在库里，但单独看都说不清“谁在什么情况下可以报销”。
我还会检查筛选条件。公司级制度如果被错误标成某个部门专属，查询一开始就可能把它排除在外。
所以这一层只查四件事：文件有没有成功导入，关键句在不在，切分后意思是否完整，筛选条件有没有误伤。
书都没上架，搜索再聪明也白忙。
03
SEARCH
三、书在库里，为什么还是捞不到
假设关键句确实在库里，但前 20 条结果中没有它，问题才来到“怎么搜”。
用户说的是“改签费能不能报”，制度写的是“因公退改费用可据实核销”。只按原词搜索，两个说法对不上；只按语义搜索，又容易捞出一堆都在谈“差旅、费用、报销”的泛相关内容。
这时我会把两种方式合起来：关键词负责抓住“机票、改签、报销”这些硬线索，语义搜索负责识别“改签费”和“退改费用”表达的是同一件事。必要时再补充业务语境、同义说法，并确认筛选条件没有写错。
候选数量也可以适当增加，但目的只是让正确段落先进入结果集，不是把整个知识库搬给模型。捞得更多，不等于捞得更准。
04
RANKING
四、已经捞到了，才轮到重新排序
如果正确段落已经出现，只是排在第 17 名，而系统只把前 5 名交给模型，这时才需要重新排序，也就是常说的 Rerank。
它会重新比较“用户的问题”和“每一段内容”到底有多匹配，把真正回答改签费的段落提到前面。
但边界要说清：正确段落根本没被捞到，重新排序也救不了；它只能给已经在队伍里的人换位置，不能从场外抓人。
反过来，如果正确证据已经排在前 3，Agent 仍然答错，我就不会继续折腾搜索，而会检查回答规则、上下文截断和模型是否忽略了证据。那已经是生成环节的问题。
05
EVALUATION
五、别只修好这一句话
“机票改签费能不能报”修好了，还不能说明系统真的变准了。
我会再准备一组真实用户可能说的话，比如“航班改期费用谁承担”“临时改票怎么报销”“个人原因退票能不能报”，并提前标出每个问题应该命中哪一段制度。
验证时只看两件事：正确段落能不能稳定出现，出现后能不能排到前面。每次只改一个主要变量，先修导入和切分，再改搜索，最后看是否需要重新排序。否则几个开关一起动，结果变好了，也不知道是谁立的功。
06
INTERVIEW ANSWER
六、如果只给我 30 秒，我会这样答
30 秒面试回答
“我不会先换模型，也不会盲目增加搜索条数。我会先确定这次本该命中哪段内容，再分三层排查：库里没有，就修文档导入、切分和筛选；库里有但没被搜到，就调整问题表达，结合关键词和语义搜索；已经搜到但位置太后，再做重新排序。如果正确证据已经排在前面，回答仍然错，就转查生成环节。最后用一批真实问法反复验证，而不是只修好一个例子。”
答到这里，这道题考的就不再是背了多少模型名，而是能不能把一个模糊故障，拆成可以逐层验证的问题。
相关性优化，不是把所有旋钮拧一遍，而是先找到正确答案在哪一步丢了。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～