扣子知识库分段问题根源在于默认切片逻辑不识别标题层级，需按文档类型设chunk_size（制度类600～800、faq类200～300、api类配separator），overlap取15%～20%，并用分隔符或csv方式人工干预。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在扣子知识库中上传一份30页的医疗制度文档后，AI总是漏掉关键限制条款、把“但”字后半句切到下一个片段、检索时返回不相关段落——这些问题根源不在模型，而在分段参数设置失当。
理解扣子默认切片逻辑
扣子对文本单元（.txt/.pdf/.csv/网页）自动执行分段，底层使用 RecursiveCharacterTextSplitter + 滑动窗口 + 元数据感知混合策略，但【不自动识别标题层级或条款编号】。它按字符数硬截断，仅在截断点附近尝试向后查找换行符或标点，失败即强行切断。
这意味着：合同里“第5条：……；第6条：……”会被从分号处一切两半；技术文档中“输入：……输出：……”可能被拆散；表格转成纯文本后，每行被当成独立段落切开。
分段大小（chunk_size）设置原则
chunk_size 是单个分段的字符上限，不是 token 数，单位为 Unicode 字符（中文1字=1字符，英文1字母=1字符）。
方法一：叙事型/制度类长文本（如医院管理制度、员工手册）
设为 600～800 字。过小（如300）会导致“该流程适用于门诊患者，但急诊绿色通道除外”被切成两块，后半句失去主语；过大（如1200）则混入无关条款，降低检索精度。
方法二：FAQ/参数表/术语解释类（如药品说明书中的【禁忌】【不良反应】条目）
设为 200～300 字。这类内容本身语义封闭，每条自成逻辑单元，无需大上下文。设为500会把相邻两条错误合并，引入干扰信息。
方法三：含大量短句、列表、代码片段的文档（如API接口文档）
必须配合 separator 参数，不能只调 chunk_size。例如将 separator 设为 "\n- " 或 "\n```"，再设 chunk_size=400，否则列表项必然被截断。
重叠长度（overlap）配置实操
overlap 是相邻两个分段之间重复的字符数，用于缓解硬截断导致的语义断裂。
第一步：先确认当前 chunk_size 值
进入知识库 → 点击对应单元右侧「编辑」→ 查看「分段设置」面板中的 chunk_size 数值。
第二步：计算 overlap 合理区间
取 chunk_size 的 15%～20%，向下取整到十位数。例如 chunk_size=700，则 overlap=100～140，推荐设为【120】；若 chunk_size=250，则 overlap=37.5→取【40】。
第三步：验证重叠是否生效
上传一段测试文本：“患者空腹采血，禁食8小时以上；糖尿病患者可遵医嘱调整用药。”
若 overlap=0，很可能第一段结尾是“以上；”，第二段开头是“糖尿病患者……”，关键逻辑断开；设为120后，分段边界会尽量落在分号后，并将“糖尿病患者……”前缀复制进上一段末尾。
绕过默认切片的强制手段
当自动分段持续失效（如始终切不断表格行、标题与正文分离），必须人工干预：
方法一：预处理文本，插入显式分隔符
用文本编辑器打开原始 .txt 文件，在每个逻辑单元（如每条制度、每个FAQ问答对）前后插入唯一标记，例如：
«§»患者知情同意书签署流程«§»
……内容……
«§»麻醉前访视标准«§»
然后在扣子分段设置中，将 separator 改为 «§»，chunk_size 设为 0（表示忽略长度限制，只按分隔符切）。
方法二：禁用自动分段，改用自定义结构化上传
不上传 PDF/Word，而是将文档逐条整理为 CSV：第一列为“标题”，第二列为“正文”。上传时选择「CSV 格式」，勾选「首行为列名」，系统会将每行作为独立单元入库，不分段——这等于跳过 chunking 环节，每个单元即最小检索粒度。
注意：CSV 方式不支持富文本格式，所有加粗、列表符号会丢失，仅保留纯文字。
验证切片效果的三步检查法
上传完成不要立刻测试问答，先做人工抽检：
① 进入知识库 → 找到该单元 → 点击「查看分段」
观察前5个分段的起止位置，重点看是否切断了“但”“然而”“除非”“仅当”等逻辑转折词所在的句子。
② 复制一个分段全文，粘贴进任意文本编辑器，检查末尾是否有不完整短语（如“根据《医疗质量管理办法》第”、“详见附录B中图”）——出现即说明切片边界未对齐语义单元。
③ 在知识库搜索框中输入一个明确关键词（如“空腹采血”），查看返回的 Top 3 分段是否都包含完整操作条件（时间、禁忌、例外），任一缺失即需回调 chunk_size 和 overlap。
