文档分块是什么？RAG 怎样切资料才不丢条件和出处
用退换货手册说明文档分块，区分字符、词元和结构切分，解释标题、表格及例外条件的保留，并通过检索样例判断块大小是否合适。
先理解这个概念
较长资料可以切成可单独处理的片段，这个过程称为文档分块，常用于嵌入和检索增强生成。块可以按长度或文档结构划分，目的是满足处理限制并让检索更聚焦。块越小不一定越好，条件与结论分离后反而容易误答；块越大也可能带来无关内容。切分时应保留来源和位置，再用实际问题检查检索效果。
切分单位不同会影响实际长度
按字符切分与按词元切分并不相同，中文和代码的换算尤其不能固定。LangChain递归切分默认依据字符与分隔符，Microsoft资料则讨论多种切分方式。使用参数前应确认长度函数，而不是看到同一个数字就认为块大小一样。
按标题或段落切分可以保留部分语义结构，但文档解析质量会影响结果。扫描PDF若先把多栏文字读乱，再精细切分也难以恢复原意。应先抽查提取文本与原页对应关系，避免把解析错误归因于检索模型。
例外条件与表格表头不应被孤立
例如手册写着支持七天退换，但紧接着排除定制商品。若两句分到不同块，只召回第一句就可能得出错误承诺。可以按相关段落保留，或在片段中带上必要标题与适用范围，不能为了短块把限定条件全部删去。
表格中的金额如果没有行列标签，也很难独立理解。应检查切分后每块能否定位原表，必要时重复表头或附相关标识。这里是资料处理设计，没有导入真实手册，也没有报告某种分块方式的实测准确率。
通过答案所需片段来评估分块结果
挑选几条需要具体例外或跨段信息的问题，标出正确片段，再检查检索是否找齐。若答案片段根本不在索引里，调生成提示未必有用。应先区分解析遗漏、切分丢义与排序问题，再选择相应修改。
可以比较两套参数的完整回答和重复内容，而不只计算块数量。重叠有助于连续性，也会增加存储与重复召回。不存在所有资料通用的最佳长度，最终设置应由文档形式和任务证据决定，并保留参数版本方便复查。
核对来源
以下资料用于核对概念和方法。文中的示例与测试范围分别注明，实际使用时请核对所用工具的版本。