Chunking 粒度与 overlap

RAG 工程化入门考 8 题讲解 3 段

切分粒度是 RAG 第一个要拧的参数：切大了检索不准、切小了上下文不全。递归字符切分是工程默认起点， overlap 用重叠窗口补跨块断句，但它同时放大索引体积与重复召回。chunk size 没有通用最优值，要拿评测集实测。

也叫：Chunking · 切分 · chunk size · overlap · 重叠窗口 · 递归切分

2. 递归字符切分（Recursive）—— 工程默认起点出自 T2-2

这是目前最常用的基础策略（LangChain 的 RecursiveCharacterTextSplitter 就是它）。思路是按优先级尝试分隔符：先用段落分隔符 \n\n 切，切完还超长就用 \n，再超长用句号，逐级递归，直到都落在目标大小内。

它兼顾了「尊重自然边界」和「控制长度」，是无脑起步的最优解。