# AI 面试常见术语：上下文工程、RAG、微调是什么 - URL: https://davidyin.dev/video/bv1vbeq6meme/ - 作者: David Yin - 发布: 2026-09-20T17:46:07+08:00 · 更新: 2026-09-29 - 时长: 05:30 - 平台: B 站 https://www.bilibili.com/video/BV1Vbeq6mEme · YouTube https://www.youtube.com/watch?v=P23-Kgh8Dmc · 抖音（搜索「davidyinai」） · 小红书（搜索「David的AI大实话」） · 视频号（搜索「不确定体验局」） - 标签: AI 面试、上下文工程、RAG、微调、幻觉治理 - 摘要: AI 面试常考的六个术语：上下文工程、RAG、自我校验、Agent 与工具调用、微调、幻觉治理。这期不讲名词解释，每个词都拆成两头——你平时实际是怎么干的，以及面试官真正想听到什么，帮你把做过的活对上行话。 ## 这期讲了什么 - 上下文工程：喂给 AI 的东西不是越多越好。历史对话全量塞进去模型会忘事，改成滚动摘要加最近五轮原文，成本降了六成，效果反而更稳。 - RAG：先搜、再照着搜到的说，两个动作焊在一个名字里。切块从一千字降到四百字召回反而变差，因为表格被拦腰切断；向量库只是检索器的一种，不等于 RAG 本身。 - 自我校验：全片最大反转——让模型自查三轮，挑刺挑到把对的那句改错。写的人和挑错的人是同一个，看不见错还容易改坏。 - Agent 和工具调用：关键是有自己转的循环，能自己拆步骤找路。真实教训是任务卡在搜索失败上反复重试，一晚上把预算烧穿，账单多出几十倍，所以要设步数和金额上限。 - 微调与幻觉治理：八百条对话微调能固定输出格式、省三百个 token 提示词，但模型闲聊会变笨；幻觉只能往下压不能根除，幻觉率从一成二压到百分之三后，剩下的靠低置信度转人工。 ## 文字稿 ### 六个 AI 黑话是什么 这六个 AI 黑话，你全都干过，但一个都叫不出名字。开会的时候有人一口气甩出来，你跟着点头，点得特别自然。心里想着回头查一下，结果一忙就忘了，下次开会接着点。散会了同事问你刚才说的是啥，你张了张嘴，一个都讲不出来。最别扭的就是这个，活是你干的，名字是别人的。 这六个，一次说清：上下文工程、RAG、自我校验、Agent 和工具调用、微调、幻觉治理。名字一个比一个唬人，其实每一个你都亲手干过，只是没往那儿想。面试官要的从来不是名词解释，是你到底干没干过。所以每个词都讲两头：你平时是怎么干的，面试官想从你嘴里听到什么。 ### 上下文工程与 RAG：管输入和管检索 公司的资料、产品说明、报价单，删了又贴，贴了又删，这事你肯定干过。这一堆来回折腾有个正经名字，叫上下文工程。简单讲，喂给 AI 的东西不是越多越好，得像收拾行李箱，该留的留，该扔的扔。面试官问这个词，想听的是你有没有被信息撑爆过，后来怎么收拾的。历史对话全量塞进去，聊到后头模型开始忘事，前面的重点也全跟着丢了；改成滚动摘要加最近五轮原文，成本一下降了六成，效果反而更稳。很多人以为窗口越大越好，塞满就行，其实中间那一段最容易被忽略。 你问公司的事，AI 一句答不上来就开始编，把文件传上去，才肯老老实实照着说。这两步连在一起叫 RAG：先搜，再照着搜到的说，两个动作焊在一个名字里，少一样都不算。面试官不问定义，只问你有没有被检索坑过。答不准的时候，分得清是压根没搜着，还是搜着了在那儿一本正经乱答吗？有个坑是切块从一千字降到四百字，召回反而变差，最后发现是表格被拦腰切断。很多人把向量库当成 RAG 本身，其实它只是检索器里的一种。 ### 自我校验与 Agent：为什么双保险会失效 稿子写完心里没底，顺手让 AI 自己先看一遍，这就是自我校验，也有人叫反思，听着像个双保险。面试官往往不夸这个，专门问另一头：你见过自检失效没有？让模型自查三轮，挑刺挑到把对的那句改错，越改越歪，还不认账。后来只敢查一遍，还得对着自己攒的那几道题、那几份文档，一条条核。大家总觉得自检有用，可写的人和挑错的人是同一个，看不见错，还容易把好的改坏。 让它自己点网页、填表、跑代码，把一件事整个交出去，这个叫 Agent 和工具调用。关键不是调一下工具，是它有一圈自己转的循环：自己拆步骤，自己找路。面试官多半想听你收拾过烂摊子没有：死循环、乱调工具、成本失控。做法上设了最多十五步、单次两美元的上限，超了就掐掉。有次任务卡在搜索失败上反复重试，一晚上把预算烧穿，账单多出几十倍。以为会调工具就算 Agent，一问失败率、一问上限就露馅。 ### 微调与幻觉治理：两个最容易用错的词 想让它学会说自家的话，把公司资料喂进去，第一个念头就是微调。名字很直白，就是在已经练好的模型上再轻轻调一小段，像给一个已经会说话的人改口音、改习惯，不是重新教认字。面试官偏偏不问调过什么，只问什么时候不该微调。八百条对话调下去，输出格式固定住了，光提示词就省了三百个 token；代价也很实在：模型闲聊变笨了，问点别的都迟钝。很多人以为微调能灌新知识，其实改的主要是行为和格式，想更新知识还得走检索。 AI 一本正经地胡说八道，只能一条一条自己核，这门功夫叫幻觉治理。幻觉就是它编出来、听着特别像真的话，治理只能往下压，除不掉。面试官问到这儿就看两件事：敢不敢承认除不掉，敢不敢说清引用、拒答、人工复核到底有没有上。上线以后幻觉率从一成二压到百分之三就压不动了，剩下的靠低置信度转人工。很多人以为幻觉可以彻底消除，这是六个词里最贵的一个误会。 最后一句得说清：真做过的事，翻成行业里的词写上去，那是该写，别不好意思；没做过的写上去，那就是造假。拿这六个词把手上干的活对一遍，看你卡在第几个。 ## 常见问题 ### RAG 和向量数据库是一回事吗？ 不是。RAG 是"先搜、再照着搜到的说"这两步合在一起的做法，向量库只是检索器里的一种实现方式。把向量库当成 RAG 本身，是常见的误解；真正容易踩的坑在切块上，比如切块太小会把表格拦腰切断，导致召回变差。 ### 什么时候不该微调大模型？ 想给模型灌新知识的时候不该微调——微调改的主要是行为和输出格式，更新知识要靠检索。实际案例里八百条对话微调固定了输出格式、省下三百个 token 提示词，但代价是模型闲聊变笨、问别的都迟钝。 ### AI 幻觉可以彻底消除吗？ 不能。幻觉是模型编出来、听着像真的的话，治理只能往下压。一个实际结果是幻觉率从一成二压到百分之三就压不动了，剩下的要靠引用、拒答、低置信度转人工复核兜底。 > 视频不在本站托管，正片见上方平台链接；本页是目录与注解。