📝 RAG与向量数据库 章节测验
本章测验，共 5 题，通过分数线 60%
计分测验 · 通过线 60%
1. RAG 的完整流程正确顺序是？
A生成→检索→问题
B问题→检索相关文档→将文档+问题送给 LLM→生成答案
C训练→部署→查询
D嵌入→存储→训练
2. 文档分块（Chunking）对 RAG 效果影响最大的原因是？
A影响存储成本
B分块大小和方式决定检索粒度，过大或过小都会降低召回质量
C影响模型训练
D决定向量维度
3. 向量数据库（如 Chroma、Milvus）的核心功能是？
A存储关系型数据
B高效存储和检索高维向量，支持语义相似度搜索
C执行 SQL 查询
D管理文件系统
4. 混合检索（Hybrid Retrieval）结合了哪两种检索方式？
ASQL 和 NoSQL
B稀疏检索（BM25关键词）和稠密检索（向量语义）
C本地和云端
D同步和异步
5. HNSW 索引在向量检索中的作用是？
A压缩向量维度
B通过分层图结构实现高效的近似最近邻搜索
C训练 Embedding 模型
D管理数据库事务
🎉 本章节已完成！继续学习
下一章节Agent基础Agent基础导读-从自动化脚本到自主智能体
→