页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「上下文完整性 检索精度」找到 7 条内容
按专题浏览 →匹配正文：核心矛盾 分块本质是上下文完整性与检索精确性的权衡： 块过大 → 噪声多、检索精度下降、embedding稀释 块过小 → 语义断裂、LLM缺乏上下文 常用分块策略 策略 适用场景 特点 固定长度 通用场景、快速上线 按token/字符数切分，实现简单 递归分块 结构化文档 先按段落/句子，再递归细分，保持层级 语义分块 高质量要求场景 用embedding相似度判断边界，保证语义完整 Agentic分块 复杂文档 LLM判断边界，成本高但最精准 关键最佳实践 1. 重叠策略…
匹配正文：核心权衡 分块本质是检索精度与上下文完整性的博弈： 块太小 → 检索精准但语义断裂，LLM缺乏背景 块太大 → 信息冗余，检索命中率下降，易超上下文窗口 常用分块方法 方法 适用场景 特点 固定长度 通用场景、快速上线 按token/字符数切，实现简单；边界可能切断语义 语义分块 高质量要求场景 用embedding相似度检测主题边界；计算成本高 递归分块 层次化文档（法律、论文） 先按章节/标题粗分，再细粒度切；保留结构信息 Agentic分块 复杂文档 用LLM判断分割点…
学习内容与项目面试，在同一条路上。
匹配正文：…】 你是如何设计分块策略的?说明粒度选择、重叠处理以及向量库写入。 中等 → 【上下文 vs 精度权衡】 分块策略如何设计才能平衡上下文完整性与检索精度? 较难 → 【策略横向比较】 chunk 划分有哪些常见方法?固定长度 / 语义边界 / 滑动窗口等如何取舍? 中等 → 学完这一章你应该能干嘛 跟着做(Part 1): 能用 30 行 Python 跑通基础切分,看到 chunk 输出 能改 chunk_size 看到 chunk 数量和长度的变化 能复现开篇的"核辐射条…