RAG 表格文档怎么切片：保留表头、按行组切分与结构化双写
RAG 系统处理表格文档，最重要的原则是：不要按固定字数把表格切碎；每个切片都要带上表头和表格标题，按行组或按实体切分，必要时把每行转成一句完整描述，复杂查询则走结构化表。 这样检索到的片段才能独立回答问题。
为什么表格容易出错
常规切片按字数或段落切，表格被转成纯文本后，表头在第一块，后面的数据行在第二、三块。用户问「B 套餐的月费是多少」，检索命中了含「B 套餐」的那行数字，却没有表头，模型不知道哪个数字是月费。
第一步：解析时识别表格
- PDF、Word、网页解析时，用能输出表格结构的解析器，把表格保存为行列结构（如 Markdown 表或 JSON），而不是一串文字。
- 记录元数据：所属文档、章节标题、表格标题、页码。
- 合并单元格要展开填充，否则行数据会缺字段。
第二步：选择切分方式
小表：整表一块
行数少、内容短的表，整张表作为一个切片，前面加上表格标题和所在章节。
中大型表：按行组切分
每块包含若干行，每块都重复表头：
[文档：资费说明 / 章节：个人套餐 / 表：月费对照]
| 套餐 | 月费 | 流量 | 通话 |
| B 套餐 | … | … | … |
| C 套餐 | … | … | … |
实体型表：一行一句
产品参数、人员通讯录这类「一行一个实体」的表，可以把每行转成句子：
B 套餐：月费为…，包含流量…，通话…（来源：资费说明·个人套餐）
句子形式对语义检索更友好，也便于生成时引用。
第三步：复杂问题走结构化
「月费低于某值且流量最多的套餐是哪个」这类筛选、排序、聚合问题，向量检索并不擅长。可以把表格同时写入数据库或表格引擎（结构化双写），由路由判断问题类型：事实查找走向量检索，筛选聚合走结构化查询。
验收方法
准备一组针对表格的问题，覆盖：
- 单元格查找（某行某列的值）
- 跨行对比（两个实体对比）
- 需要表头才能理解的数字
- 表格标题或脚注里的限定条件
检查检索结果是否包含回答所需的表头和行，而不只看最终答案。
常见坑
- 脚注丢失：「以上价格不含税」常在表格下方，要并入切片或元数据。
- 跨页表格：解析后要拼接，否则第二页没有表头。
- 数字被模型改写：生成提示中要求数字原样引用，并附来源。