匹配正文：…down 只是表达形式。跨页关系判断错了、合并单元格丢了、表头与数据错位，换成 Markdown 仍然是在更整齐地保存错误内容。代码块怎样切，才不会把逻辑拆散？如果拿到的是源代码，优先使用语法结构。类、函数、方法通常比固定字符更适合作为第一层边界。Chunk 可以保存文件路径、符号名、起止行号，以及所属类或模块。用户问“这个函数怎样处理超时”时，检索结果不仅有函数体，还能说明它位于哪个文件、属于哪个对象。单个函数仍然过长时，可以继续按内部语法块拆分，例如参数检查、主处…

#RAG#切分与索引#RAG 表格切分

面试题·RAG

RAG Chunk 为什么不能只按固定字数切？

匹配正文：…预算时，才使用更细的长度兜底。第四步，补齐上下文。正文继承文件名、标题路径和页码；表格携带理解数据所需的表头；列表保留前导句；代码块保留语言与所属小节。第五步，执行质量检查。检查空块、过短块、超长块、重复块、缺少标题路径的块，以及被切断的表格和列表。通过后再进入向量化和索引。从结构化文档到可检索 Chunk 的五步链路解析先提供结构，切分再形成原子单元、按预算合并、递归处理超长内容并补齐上下文，最后通过质量检查入库。这条链路里，Token 预算一直存在，但它是上…

#RAG#切分与索引#RAG Chunk

面试题·RAG

Chunk Size 和 Overlap 怎么选？不要背 512 和 100

匹配正文：面试官真正想听的是参数背后的验证方法很多回答一上来就是：“我们设置 chunk_size=1024，overlap=100。” 面试官接着问“为什么”，回答就变成“网上大多这样配”或者“框架默认值就是这个”。这说明只会填写配置，没有建立评测闭环。参数选择真正要回答四个问题：一个问题的完整证据通常有多长？文档里哪些内容最怕被拆开？召回结果重复后，会占掉多少候选位和模型上下文？参数改变后，怎样证明收益来自切分，而不是其他模块同时变化？从工程链路看，RAG 可以拆为离…

希望老师帮你把学习与项目串起来？

了解 AI 全栈 1v1 陪跑营的项目安排、导师答疑与简历面试辅导。

查看课程安排 →咨询学习安排

学习内容与项目面试，在同一条路上。

站内 RAG 在线实战

#RAG#切分与索引#Chunk Size

面试题·文档处理· 百度

RAG 分块参数调优

匹配正文：…成语义连贯的块优点：块内主题一致，检索精度高缺点：计算成本高，块大小难控 4. 结构化分块按文档固有结构：标题、章节、表格、代码块等适用于PDF、Markdown、HTML等结构化文档关键考虑因素因素建议块大小需结合Embedding输入限制、文档结构和LLM上下文预算提出候选重叠（Overlap）比较零重叠、短窗口与较长窗口，用同一评测集验证边界证据完整性边界对齐优先在句号、换行处切割，避免截断句子元数据保留记录来源位置、标题等，用于重排序和答…

#百度#RAG 分块参数调优#RAG 分块大小和 overlap 怎么调？指标与实验方法

面试题·RAG

扫描 PDF 没有文本层，RAG 怎么做 OCR 与失败降级？

匹配正文：…结合坐标、区域类型和间距重新组织，不能简单按识别结果的数组顺序拼接。第五步，处理特殊结构。表格需要继续恢复行、列和单元格关系。代码块需要保留换行、缩进和符号。图片中的文字可以被识别，但箭头、连线和图表关系不能靠普通 OCR 自动还原。无法可靠恢复的内容应该保留原图引用和风险标记。第六步，输出结构化内容。扫描页除了正文、页码和来源文件，还应保留文字框、原图区域、方向与预处理记录、识别质量和复核状态。标题路径与内容类型用于后续切分，原图与文字框用于核验，处理记录则帮助判断…

#RAG#解析与入库#扫描 PDF RAG

面试题·RAG

RAG 文档解析质量怎么评估？不能只看“解析成功”

匹配正文：…节，例外条件也可能离开它约束的正文。再看重复问题。同一段内容被解析器输出两次，字符覆盖甚至会显得更高，但检索前几条可能被近重复 Chunk 占满。只统计“提取了多少字”，既看不出层级丢失，也会把重复内容误当成完成度提升。所以解析质量至少要拆成四层。第一层，文字覆盖检查应该出现的正文有没有被提取，扫描页是否大量漏字，结果中是否混入页眉、页脚、水印和乱码。这层关注“内容有没有”，但不能单独代表可用。第二层，阅读顺序检查多栏、列表、跨页段落和脚注是否按人类阅读方式连接…

#RAG#解析与入库#RAG 文档解析评估

面试题·文档处理· 蔚来

RAG分块策略：粒度、重叠与写入

匹配正文：…候选方案，在同一评测集上回放作用：缓解答案跨越切分边界时的信息丢失代价：重复索引会放大存储、召回冗余和重排成本实现：记录每个chunk在原文中的起止位置与父级结构，便于合并、去重和溯源向量化写入流程原始文档 → 清洗（去噪/格式标准化）→ 结构化解析（提取标题/表格/代码块） ↓ 产生多组分块候选 → 在固定问题集上评测 → 生成chunk元数据（来源、位置、类型） ↓ Embedding模型编码 → 按实际显存、限流和失败重试能力确定批量大小 → 写入向量库 ↓ …

#蔚来#文档处理#RAG文本分块

面试题·文档处理· 百度

分块策略怎么影响检索?

匹配正文：…如text-embedding-ada-002是8191，但有效信息通常在前512）检索阶段粗排用大chunk保召回，精排用小chunk保精准计算成本分块数直接影响向量库规模和推理延迟业务场景问答场景倾向小chunk；摘要/分析场景倾向大chunk 百度场景的特殊实践中文优化：基于LTP/Jieba做句子切分，避免英文空格切分的陷阱长文档处理：论文/报告类采用"摘要+正文"双层分块，先检索章节再定位细节动态分块：根据内容类型自适应调整（代码块保留完整、正文按…

#百度#文本分块#chunking 策略

面试题·评估· 字节

RAG 上下文不准确怎么诊断?

匹配正文：…方法采集阶段源文档准入：权威来源优先，设定时效性阈值（如知识库只保留2年内文档）格式标准化：统一PDF/网页解析，处理表格、代码块等特殊结构处理阶段切片策略：按语义边界切分（标题-内容关联），控制chunk长度（通常256-512 tokens）去重与消歧：相似度聚类去重，对同名实体做消歧标注持续监控检索命中率、答案相关性的人工抽检（每周5%抽样）用户反馈闭环：低分case自动入库，定期review 解决优先级数据层：清洗脏数据，补充缺失知识（最快见效） …

#字节#RAG 上下文不准确#RAG 诊断