是什么
文档切分的核心在于粒度权衡。切成小块能提高检索命中率但容易丢失完整信息，切成大块能保留完整上下文，但这会使向量语义被稀释，并增加生成阶段的成本。
常见策略包括固定长度加重叠窗口、按段落与句子层级回退的递归字符切分，以及依据标题或保持表格整体的按结构切分。进阶策略涵盖按句向量突变点划分的语义切分、小块检索大块返回的父子索引，以及长上下文嵌入模型先整篇编码再切分的延迟切分。
处理中文文档时，因无空格分隔，切分边界对标点符号与结构标记的依赖更强。
解决什么问题
文档切分主要解决检索与生成阶段对文本粒度要求相反的矛盾。检索需要较短文本以确保向量匹配精确度，生成则需要较长文本以提供充足上下文供模型理解。
若无合理切分，长文档直接入库会使得召回内容偏离用户问题。它是检索增强生成架构中影响召回质量最靠前的处理步骤。
面试怎么考
面试常考切分块大小的设定及依据，答题时需结合嵌入模型支持的长度与下游任务需求进行分析。
针对特殊格式的切分方案也是常考点。例如表格需作为整体切分，扫描件需结合版面切分，长文需依赖层级标题分块。此外考官常问如何保持块之间的联系，答题要点在于说明重叠窗口机制或父子索引策略。
又称：Chunking · 切分 · 文档切片 · 分块
接着做点什么
—— 本条完 ——