RAG 文档切分策略：块大小、重叠与结构化切分实践

Tue, 11 Aug 2026 10:49:16 +0800

搭建 RAG 知识库时，大家通常把精力放在选模型和选向量数据库上，却很少认真对待文档切分。实际上，切分方式决定了检索的基本单位，切得不好，后面的检索和生成再强也无法弥补：要么关键信息被切断在两个块之间，要么一个块里塞了太多无关内容，稀释了语义。

为什么需要切分

一方面，Embedding 模型有输入长度上限，整篇长文档无法直接编码；另一方面，一个向量很难同时准确代表一篇文档里的多个主题。把文档切成较小的片段，每个片段语义更集中，检索时也能只把相关部分送进大模型，节省上下文和成本。Embedding 的基本原理可参考文本向量入门。