大模型RAG前置基础阶段

大模型RAG前置基础阶段 终测试卷（含答案）
一、单选题（每题3分，共15分）

1. Python 出现 IndentationError 报错根本原因是？（ ）
   A. 代码语法写错了
   B. Tab 和 空格缩进混用/缩进层级不一致
   C. 变量未定义
   D. 模块未安装
2. requests 出现 nodename nor servname provided 代表？（ ）
   A. 网络超时
   B. DNS域名解析失败，地址不存在
   C. 接口鉴权失败
   D. 请求频率超限
3. 以下哪个不属于向量数据库/向量检索库？（ ）
   A. FAISS
   B. Chroma
   C. Milvus
   D. Redis（普通KV）
4. 本地部署 Llama3 8B 想要显存最小、效果最稳，优先选择哪种量化？（ ）
   A. FP16
   B. Q4_K_M
   C. INT2
   D. 不量化
5. asyncio.gather 的核心作用是？（ ）
   A. 串行执行多个函数
   B. 并发批量执行协程、统一收集返回结果
   C. 提升代码可读性
   D. 解决接口报错
   二、简答题（每题6分，共30分）
6. 简单说明：Embedding 向量嵌入 的作用？为什么 RAG 必须用向量检索而不是关键词检索？
7. 简述 Chroma / FAISS / Milvus 三者的定位和适用场景区别。
8. 线上大模型API（通义千问/OpenAI）和 本地Llama3 部署，各自优缺点是什么？
9. 本地跑 Llama3 最常见的 2 个报错问题是什么？对应的解决思路？
10. 同步 requests 和 异步 aiohttp 调用大模型接口，核心区别是什么？什么场景用异步？
    三、代码实操题（共35分）
11. 字典数据清洗（15分）
    写一个函数，完成：过滤分数大于等于90的数据，只保留 id、content，最终返回新列表。
    raw_data = [{“id”:1,”content”:”向量数据库”,”score”:91},{“id”:2,”content”:”测试文本”,”score”:60}]
12. 稳健版 requests 接口请求（20分）
    需求：
    1）POST 请求本地 ollama 接口：127.0.0.1:11434/api/chat
    2）传入模型名 llama3:8b、用户提问
    3）捕获超时、连接失败、异常状态码
    4）打印模型返回的回答内容
    四、场景架构题（20分）
    你现在要做一个个人本地知识库问答项目（RAG）：
13. 数据量：几百条文档、单机本地运行、不上云、不要复杂部署
14. 模型：本地私有化大模型，不调用任何外网API
    请你写出：
    1）选用什么 向量库 + 什么大模型？
    2）完整简易流程？
    3）为什么不选 Milvus / 不选 FAISS？

参考答案
一、单选答案
1.B 2.B 3.D 4.B 5.B
二、简答标准答案（精简得分点）

1. Embedding & 向量检索优势
   Embedding 将文本转为高维数字向量，语义相似的文本向量距离更近。关键词只能匹配字面，向量能匹配语义、近义词、相似问句，是RAG检索的核心。
2. 三个向量库区别
   FAISS：Meta检索库，无持久化，仅检索，适合脚本实验；
   Chroma：轻量本地向量库，自带持久化、零部署，适合个人RAG、测试；
   Milvus：分布式生产向量库，海量数据、高并发、企业级项目。
3. 线上API vs 本地Llama3
   线上：优点：开箱即用、不吃配置、免费额度多；缺点：数据外传、限流、收费、网络依赖；
   本地Llama3：优点：数据私密、无调用限制、可私有化；缺点：需要显卡/量化、部署有门槛、推理慢一点。
4. Llama3 常见问题与解决
   1）显存OOM：使用4bit量化Q4_K_M、降低上下文长度；
   2）答非所问/重复输出：未使用Llama3官方对话模板、缺少终止符。
5. 同步&异步区别
   同步：串行排队，一个请求完再下一个，适合单次调用；
   异步：IO等待时释放资源，并发批量请求，适合批量问答、多任务场景，速度大幅提升。
   三、代码题参考答案
6. 数据清洗
   def filter_high_score(raw_data):
   res = []
   for item in raw_data:

    if item["score"] >= 90:
        res.append({"id": item["id"], "content": item["content"]})

   return res

raw_data = [{“id”:1,”content”:”向量数据库”,”score”:91},{“id”:2,”content”:”测试文本”,”score”:60}]
print(filter_high_score(raw_data))

2. 稳健 ollama 请求
   import requests

def local_llm_chat(prompt):
url = “http://127.0.0.1:11434/api/chat"
data = {
“model”: “llama3:8b”,
“messages”: [{“role”:”user”,”content”:prompt}],
“stream”: False
}
try:
resp = requests.post(url, json=data, timeout=15)
resp.raise_for_status()
print(“模型回答：”, resp.json()[“message”][“content”])
except requests.exceptions.Timeout:
print(“请求超时”)
except requests.exceptions.ConnectionError:
print(“本地模型未启动，请先启动ollama服务”)
except Exception as e:
print(“请求异常：”, e)

local_llm_chat(“什么是RAG”)

四、场景题标准答案

1. 技术选型：Chroma + Llama3-8B-Instruct（Q4_K_M量化）
2. 简易流程：文档切片 -> Embedding向量化 -> 存入Chroma向量库 -> 用户问题向量化检索相似文档 -> 拼接上下文给Llama3 -> 输出答案
3. 选型理由：
   不选FAISS：无持久化，重启数据丢失，不适合知识库；
   不选Milvus：需要Docker部署、太重，个人本地小场景完全没必要；
   Chroma零部署、自动持久化、适配单机小知识库，完美匹配学习场景。

本作品采用《CC 协议》，转载必须注明作者和本文链接