RAG 切分：先保住完整证据，再调长度

切分参数的目标是让需要的证据能被一起找到，而不是把所有文档切成一样长。本文讨论调试过程；RAG 的概念解释 由 Wiki 维护。

用一个退款条款做检查

假设原文是：“签收七天内可以申请退款，仅适用于未拆封商品。”这是教学示例，不是任何公司的实际规则。

如果两个条件被切进不同片段，召回“七天内”仍可能让回答漏掉“未拆封”。因此先观察切分后的文本，再观察召回，最后观察生成回答；不能只看最终答案是否流畅。

从结构切分起步

先按标题、段落和条款切分，超长单元再细分。表格保留表头、单位与行列关系；代码尽量保留函数边界。固定字符长度可以控制大小，但字符不是 Token，没有通用的最佳长度或重叠比例。

观察到的问题	优先检查	可以比较的调整
条件被截断	片段正文和边界	保留完整条款、读相邻片段
相关词很多但答案不相关	片段是否混合多个主题	缩小结构单元
上下文重复	重叠范围及返回结果	合并相邻片段或去重
表格内容无法解释	解析是否保留表头与单位	先修解析，重叠不能补回丢失内容

一次只改变一个因素

固定问题、所需证据和检索／生成模型，比较切分变化。记录证据覆盖、片段数、上下文重复和费用，不能用教学演示分数直接选择生产参数。

每段至少关联文档、位置、标题路径、版本和权限。重新切分后同步更新索引，引用应能回到对应版本。

参考：LangChain TextSplitter。本文为工程建议，整理与来源复核：2026-10-14。