本篇 10 题｜覆盖初级到高级｜切分与层次上下文。先用自己的话回答，再核对参考要点，最后练习工程追问。
本篇目录
- RAG-021 固定长度切分有什么优缺点？
- RAG-022 重叠切分为什么有帮助？
- RAG-023 按标题切分适合什么文档？
- RAG-024 语义切分与规则切分怎样比较？
- RAG-025 父子块检索是什么？
- RAG-026 如何避免片段失去标题与单位？
- RAG-027 不同文档类型是否应使用相同切分策略？
- RAG-028 切分大小应该怎样调参？
- RAG-029 为什么要记录片段与原文的映射？
- RAG-030 如何处理跨片段的否定与例外条款？
RAG-021 固定长度切分有什么优缺点？
难度：中级
参考答案：它简单、可预测，便于快速建立基线，但容易在句子、标题或表格中间截断。应按 tokenizer 而非仅字符控制长度，并评测语义完整性与检索效果，不把固定尺寸当成通用最优值。
工程追问：如何发现切分破坏了一个关键条件？
RAG-022 重叠切分为什么有帮助？
难度：中级
参考答案：适当重叠可以保留边界附近的上下文，降低跨片段信息丢失，但会增加存储、重复召回与生成冗余。重叠比例应通过任务评测选择，并在上下文组装时去重。
工程追问：重叠过大如何影响向量库和成本？
RAG-023 按标题切分适合什么文档？
难度：中级
参考答案：适合章节清楚的手册、制度与技术文档，可保留章节路径帮助解释。过长章节仍需二次切分，过短章节可合理合并；标题层级本身也要经过解析验证，不能盲信排版样式。
工程追问：标题被 OCR 识别成正文怎么办？
RAG-024 语义切分与规则切分怎样比较？
难度：中级
参考答案：语义切分尝试依据内容变化确定边界，规则切分更易解释和控制。应比较边界质量、检索提升、导入耗时及稳定性；使用额外模型并不自动带来更好的业务结果。
工程追问：如何标注一个好的切分边界？
RAG-025 父子块检索是什么？
难度：中级
参考答案：可用较小子块提高定位精度，再取其父块补充上下文。父块大小应受预算和权限约束，不能因为命中一个句子就返回整份敏感文档；评测需要同时看定位和生成效果。
工程追问：父块跨越不同权限区域怎样处理？
RAG-026 如何避免片段失去标题与单位？
难度：中级
参考答案：在索引与上下文中保留章节路径、表格标题和单位，但应区分原文与补充元数据。不要把自动生成摘要冒充原文；引用要能回到真正支持结论的段落或单元格。
工程追问：补充标题会不会改变向量分布？
RAG-027 不同文档类型是否应使用相同切分策略？
难度：中级
参考答案：通常不应。代码、表格、FAQ 和长制度的结构不同，可以按类型采用边界规则，再统一输出可索引片段。策略数量要可维护，使用分层评测避免某类文档改善而另一类退化。
工程追问：如何防止切分规则越来越难维护？
RAG-028 切分大小应该怎样调参？
难度：中级
参考答案：结合模型输入限制、问题所需证据跨度和检索评测，比较多个候选尺寸。观察召回、重复率、答案支持度和上下文成本，不只寻找一个在训练问题上得分最高的数字。
工程追问：单跳与多跳问题会偏好相同尺寸吗？
RAG-029 为什么要记录片段与原文的映射？
难度：中级
参考答案：映射支持准确引用、错误定位、删除与重新索引。至少记录文档版本、页码或段落范围和片段偏移，并明确规范化前后的关系，避免展示一个无法核对的切片文本。
工程追问：清洗改变字符位置后怎样引用原文？
RAG-030 如何处理跨片段的否定与例外条款？
难度：中级
参考答案：将必要的规则上下文作为邻接证据或父块补充，并在生成时明确条件范围。检索评测应包含“原则与例外”组合问题，避免仅召回肯定句后给出相反结论。
工程追问：一项规则的例外在下一页怎么办？
复盘练习
任选一题，用“场景与约束 → 方案 → 验证方法 → 失败边界”组织一段回答。初级先讲清概念，中级补实现与测试，高级补成本、权限和故障取舍。难度标签是学习建议，同一题可继续深入。
延伸阅读
以下为本模块相关原始论文与官方文档，用于继续学习；本文为原创面试要点整理，具体框架行为以所用版本为准。