本章进度 4 / 19
21%
正文已完成
L080切分文档不是每 500 字砍一刀
理解语义边界、标题层级和引用定位如何决定切片。
先用本课建立“资料切分”的基本直觉，后面的判断和练习才不会只靠记结论。
建议按完整课程顺序先看上一课；如果术语陌生，可以随时回补。
- 无需安装新工具
- 直接阅读并完成本页理解检查
检索返回的是切片而不是整份文件。若把资格条件与例外拆开，模型可能只看到“可以”，看不到后面的限制。
能解释为什么固定字符切分会拆散定义、条件和例外。
核心概念
先把关键判断说清楚
语义单元优先
条款、步骤、问答和表格行等天然单元应尽量保持完整。
标题提供上下文
切片保存章节路径，让“有效期”知道属于哪项政策。
引用定位可恢复原文
页码、段落和文档 ID 支持回答后回查，而非只保留切片文本。
案例拆解
“可报销”与“仅限主管批准”被切开
固定 300 字切分让主条款进入 chunk 12，例外进入 chunk 13。
- 01
改按条款编号和子项切分。
- 02
主条款与直接例外保留在同一父子集合。
- 03
元数据加入 policy/section/effective_date。
案例结果
检索主规则时能够同时取回限制，减少断章取义。
提交前练习
现在轮到你
为一页含标题、条款和表格的文档标切分边界。
选做练习：本节练习可用于加速你巩固，但不影响继续学习。
内容会自动保存在当前设备
查看参考答案与评分标准
参考答案
按 3.1 条及其例外一起切；表格按行组并继承列名；每片带文档ID、标题路径、页码、生效日。
评分标准
- 条件与例外未分离
- 表格语义保留
- 可回到原文
本课收口 · 理解检查
用 30 秒确认你理解了
用 30 秒理解检查确认你抓住了重点；阅读标记、练习和总结都不设硬门槛。
你现在更接近哪一种状态？
尚有必填项未完成，请补齐后再继续。
资料来源
继续核对与延伸阅读
本课内容最近更新于 。
- Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks↗paper · 核对日期 2026-08-23