RAG切分策略可视化对比
victorialslocum · x · 2026-07-16
这条内容强调：**RAG 出问题不一定是检索模型或向量库，很多时候根因在切分（chunking）**。如果文档切得不对，可能把多个主题混在一起，或切掉了 LLM 需要的上下文，导致看起来像“检索器坏了”。 作者展示了一个可交互 demo：用户可以上传自己的数据，或用示例数据，对比 **7 种 chunking 策略** 的效果，包括固定长度、递归切分、基于文档结构、语义切分、LLM 驱动切分、Agentic 混合切分和分层切分。它的价值在于把抽象权衡可视化，而不是只停留在理论。 核心结论是：没有一种切分策略适用于所有场景。最佳选择取决于文档类型、查询复杂度、embedding 模型，以及你希望检索粒度有多细。只有把真实切分结果直接看出来，才能知道哪种 trade-off 适合自己的数据。