---
title: "RAG 分块：文档应该切分得多细？"
slug: "rag-chunking-strategy"
language: "zh-cn"
tags: ["chunking","sag 기술","아키텍처","검색 ai 연구"]
created: "2026-09-11T00:00:00.000Z"
published: "2026-10-08T09:59:15.668Z"
updated: "2026-10-08T09:59:15.668Z"
sample: false
---

# RAG 分块：文档应该切分得多细？

## 一句话定义

**chunking（分块）**是将长文档拆分为可检索的语义单元，同时保留原文位置和层级的过程。

> 核心答案：片段过大，会混入无关上下文；片段过小，则会丢失条件和例外。仅按字符数切分，还会切断表格、标题和段落之间的关系。

## 为什么需要这项技术？

片段过大，会混入无关上下文；片段过小，则会丢失条件和例外。仅按字符数切分，还会切断表格、标题和段落之间的关系。

## 工作原理

先依据标题层级、段落、表格和列表进行切分，再应用长度限制和 overlap（重叠）。为每个片段添加文档、章节、版本和原文位置等元数据。

设计时不能只关注准确率。还应一并定义延迟、成本、数据边界、更新周期以及失败时的行为，这样才能在实际运行中获得可复现的结果。对于自动化无法确定的值，安全的做法是将其保留为“未测量”或“需要审核”状态，而不是将其改成 0 或成功状态。

## 与 SAG 技术的关联

如果将 chunk 与 SAG 的依据 artifact 关联起来，就必须能够从报告返回到原文页码和段落区间。当前保存的来源、哈希和版本原则正是这一基础。

## 实务检查清单

- 优先根据文档结构确定边界
- 同时衡量上下文丢失和重复检索率
- 保留从 chunk 返回原文的链接
- 将失败、空结果和权限错误的状态与成功区分开
- 在相同条件下重新验证变更前后的结果

## 研究与官方文档

- [RAG 原论文](https://arxiv.org/abs/2005.11401)

参考文档为原理和建议提供依据，但不保证搜索曝光、AI 提及、排名或营收。实际应用效果应通过服务数据以及在相同条件下的观测加以验证。

## 选择标准与具体应用示例

如果把规格表只按数字行切分，单位、产品名称和测试条件就会丢失。请一并保留标题和表头，并关联原文位置。不存在适用于所有文档的最佳片段大小，应根据文档类型和评估问题来选择。

## 在 SAG 中的适用范围

本文讨论搜索 AI 的研究原理和扩展设计。阅读时可结合 SAG 的页面采集、依据记录和报告验证结构，但不要据此认为论文中的搜索算法已全部部署到运行流水线中。是否已应用，应通过搜索模块、评估数据和执行记录加以确认。


## 延伸阅读这项技术的方法

比较 RAG、GraphRAG 和 Self-RAG 论文及其应用条件。

- [搜索 AI 的扩展原理](/ko/blog?tag=%EA%B2%80%EC%83%89%20AI%20%EC%97%B0%EA%B5%AC)
- [功能指南 FAQ](/zh-cn/faq)