语义切分与结构感知切分
固定切分之外的三条路：结构感知切分按标题层级切、语义切分按 embedding 相似度断句、父子（小到大）切分用小块检索、大块喂模型。它们各解决固定切分的一种失败，代价是解析依赖、离线成本与实现复杂度。
也叫：语义切分 · semantic chunking · 结构感知切分 · 父子分块 · small-to-big
4. 语义切分（Semantic Chunking）出自 T2-2
先按句子切开，逐句计算 embedding，相邻句子相似度出现明显「断崖」的地方就是话题转换点，在那里下刀。
优点是边界最贴合语义；代价是要为每个句子算一次 embedding，索引成本明显上升。实践建议：先用递归切分做基线，只有当评测显示分块确实是瓶颈时再上语义切分——别一上来就用最贵的方案。
以上节选自T2-2 文档解析与 Chunking：从固定切分到语义切割，读全文能看到前后语境。