RAG 与 Agent 系统设计是 Hebbia 前沿部署工程师面试流程的核心部分。检索管道、分块、重排序、工具调用 Agent、防护栏、多租户与评测框架：这是 OpenAI、Anthropic、Sierra、Glean 和 Scale 的 FDE 设计轮的典型模式。以下是需要准备的 rag 与 agent 系统设计题目，先是标注为 Hebbia 的题目，然后是来自我们的 RAG 与 Agent 系统设计专题 中信号最强的题目，每题都配有达到资深工程师标准的答案。

HEBBIA 在这里考察什么 · 在一天内端到端构建并交付一个可运行应用的能力。查看完整的 Hebbia 面试流程 →

标注为 Hebbia 的 RAG 与 Agent 系统设计题目

更多针对 Hebbia 面试流程的 RAG 与 Agent 系统设计题目

候选人认为最有用的信号最强的 rag 与 agent 系统设计题目，模拟 Hebbia 前沿部署工程师面试流程所考察的内容。

Hebbia RAG 与 Agent 系统设计轮背后的概念

这些题目所假设的术语和思维模型。基础内容可免费学习；更深入的、决定面试成败的理念属于高级内容。

基础检索增强生成（RAG）RAG 通过在查询时检索相关段落并将其放入提示词中，使语言模型基于你自己的数据作答，从而让模型依据真实来源而非记忆回答问题。这是几乎所有企业级 FDE 部署的默认模式，因此几乎每个面试流程都会考察它。

基础向量数据库向量数据库将嵌入向量与元数据一起存储，并使用近似索引快速回答最近邻查询。真正的面试问题不是它们如何工作，而是你何时真正需要一个向量数据库，而不是一个库或带 pgvector 的普通 Postgres。

核心登录混合搜索（词法 + 向量）混合搜索并行运行关键词检索器（BM25）和稠密向量检索器，然后合并它们的结果列表，因为每一个都会漏掉另一个能捕捉的情况。向量检索会丢失精确的代码和生僻术语，BM25 会丢失同义改写，而使用倒数排名融合将两者结合通常优于单独使用任何一种。

核心登录分块策略分块是指如何将文档拆分为用于嵌入和检索单元，它悄然决定了整个 RAG 系统的召回上限。如果大小、边界和元数据出错，任何重排序器或提示词都无法找回从未被检索到的答案。

核心登录重排序与两阶段检索两阶段检索将一个廉价、侧重召回的第一阶段（拉取数十个候选）与一个精确的重排序器（针对查询对每个候选重新打分）配对使用。当向量搜索返回“大致相关”的分块但正确的那个不在前几名时，这是标准的解决方案，它用少量延迟换取大量精确度。

核心要点近似最近邻 (ANN)暴力向量搜索每次查询的复杂度是 O(N*d)，在数百万向量规模下会崩溃，因此 ANN 用一点点召回率换取数量级的速度提升。两大主流方案是 IVF（先聚类再探测邻近单元）和 HNSW（在可导航图上行走），并配合乘积量化来压缩内存。不可妥协的习惯是用暴力搜索作为基线来测量 recall@k。

基础AI Agent 与工具使用Agent 是被包裹在循环中的语言模型，这个循环让它可以选择工具、执行操作、观察结果，并决定下一步做什么。面试官考察的技能是判断力：知道这个循环何时值得它的不可预测性，何时固定流水线更便宜、更快、更安全。

进阶🔒 高级Agent 记忆Agent 记忆是指 Agent 在多轮对话和多个会话之间携带状态的方式。短期记忆是存在于上下文窗口内的对话和草稿板，容量有限且成本高昂。长期记忆是 Agent 按需写入和读取的外部存储，通常通过 RAG 实现，因此它可以回忆起上周的事实，而无需将它们保留在提示词中。FDE 面试循环会考察这一点，因为难点所在——摘要、持久化什么内容、以及过时或矛盾的记忆——正是 Agent 悄然出错的地方。

Hebbia 的前沿部署工程师面试循环包含诸如“设计一个让持怀疑态度的律师真正信任的 AI 合同审查工作流（条款提取、风险标记、引用）”、“在 10,000 份 PowerPoint 演示文稿上构建多模态 RAG，能够回答图表查询并引用确切的幻灯片”、“文档提取在试点样本上得分 95%，但在生产环境的第一周只有 60%。发生了什么，你首先修复什么？”之类的 rag & agent 系统设计问题。检索流水线、分块、重排序、使用工具的 Agent、防护栏、多租户和评测框架：这是 OpenAI、Anthropic、Sierra、Glean 和 Scale 的典型 FDE 设计轮。完整的题集按从易到难排序并附有专家答案，见下方。

按顺序练习本页上的 rag & agent 系统设计问题，学习下方链接的底层概念，然后查看 Hebbia 的完整面试流程，了解这一轮在整个循环中的位置。对于 Hebbia 而言，面试官特别看重：在一天内端到端构建并交付一个可用应用的能力。

是的。Hebbia 发布了一个前沿部署工程师职位，该职位大部分时间驻扎在战略客户现场，在 Matrix 平台之上构建定制集成和领域特定解决方案。该职位要求在纽约或旧金山办公室办公。

该职位要求具备生产工程能力，并将金融、法律或咨询领域的经验视为加分项。LLM、RAG 系统或应用 AI 的经验被列为加分项而非硬性要求，因此强大的通用工程能力加上面向客户的判断力才是核心。

Hebbia 的其他面试轮次

另一条赛道测试 Hebbia 前沿部署工程师面试循环。

备战完整的 Hebbia 前沿部署工程师面试循环

RAG 与 Agent 系统设计是其中一轮。升级 Premium 即可解锁 Hebbia 完整面试循环的所有答案。每条赛道都提供免费题目，让你先体验内容的深度。

所有答案、概念与课程、每篇论文解析、全部已发布视频课程、动手实践的 FDE Lab 任务、Premium PDF 指南及配套文件、完整的模拟测试题库和工作样本下载。推荐版 Premium 不包含指南 PDF 及其配套文件。

6 个月 · 一次付款 · 不自动续费

配合免费视频课程一起学习。

独立运营，与 Hebbia 无关联。所有商标归其所有者所有。