速查在线工具箱RAG 的知识库分块，切多大才合适？
512 配 50 是经验起点，不是标准答案；关键是块要装得下一个完整意思。
没有普适最优值，只有权衡：块越大，单块包含的信息越多、越不容易漏，但嵌入向量会被多个主题稀释，检索精确率下降；块越小，语义越聚焦、精确率越高，但一个完整的知识点可能被切开，两边都不完整。所以先按场景选一个成熟起点，再用自己的测试集验证。
工程上常用的起点是：通用文档问答 512 到 1024 tokens、重叠取 10% 到 20%（512 配 50 是出现频率最高的默认值）；短内容 128 到 256 tokens、可不要重叠；长技术文档与法规 1024 到 2048；代码按函数或类切。还有一个硬约束容易被忽略：检索条数乘以块大小必须能装进大模型的上下文窗口，嵌入模型自身的 token 上限也会把超长块直接截断。
很多团队把时间花在调提示词和换嵌入模型上，却忽略了一个更靠前、影响更大的决定：文档怎么切。检索单元本身就是块，切得不好，再强的重排序也救不回来——答案被切在两个块里，谁都检索不到完整的部分。
分块没有「正确答案」，只有「适配场景的参数」。它像镜头焦距：拉近了看得清细节但看不到全貌，拉远了看到全貌却看不清细节。理解这一点，就不会再纠结「到底哪个数值最好」，而是先定场景、再定参数、最后用数据验证。
1按场景选起点
下面这些是被反复验证过的经验值，可以直接当初始配置，再按效果微调。
| 场景 | 建议块大小 | 重叠 | 原因 |
|---|---|---|---|
| 通用文档问答 / 知识库 | 512 到 1024 tokens | 10% 到 20%（512 配 50 最常见） | 兼顾精确率与上下文完整性 |
| 短内容（FAQ、商品描述、评论） | 128 到 256 tokens | 可以不要 | 来源本身就短小自洽，每块对应一个答案 |
| 长技术文档 / 论文 / 法规 | 1024 到 2048 tokens | 10% 到 15% | 长逻辑链、代码段和表格不能被切碎 |
| 代码仓库 | 按函数或类切，约 200 到 600 tokens | 按结构决定 | 函数与类才是天然语义单元 |
| 对话记录 / 客服会话 | 按轮次切，256 到 512 tokens | 少量 | 一轮问答本身就是一个完整语义单元 |
先按 512 配 50 跑一版基线，把召回效果测出来再调——没有基线的调参只是在换数字。
2重叠是干什么用的
重叠不是为了「多塞点内容」，而是给切分边界搭桥，解决关键信息被切断的问题。
- 边界截断问题
- 一段关键结论正好横跨切分点，前半句在一块、后半句在另一块，检索时两块都不完整。
- 重叠怎么缓解
- 让相邻两块共享末尾与开头的若干 token，被切断的句子至少有一块是完整的。
- 重叠取多少
- 通常是块大小的 10% 到 20%，512 的块取 50 是常见配置；再大就只是在制造冗余。
- 重叠的代价
- 索引体积与存储成本上升，同一段内容被重复向量化，检索结果里也可能出现近似重复的块。
- 配套做法
- 切块时带上标题路径等元数据，比单纯加大重叠更能保住上下文。
3三个必须自己核算的约束
参数选完后，这三笔账决定了检索链路能不能真的跑通。
- 算上下文预算：检索条数 k 乘以块大小，必须能在留出提示词与回答空间后塞进大模型窗口。
- 核对嵌入模型上限：很多模型输入上限是 512 tokens，超限部分会被静默截断，块再大也无效。
- 看来源结构：能按标题、章节、页面切就别用固定长度硬切，结构感知的分块通常明显优于定长切分。
- 建立评测集：准备 25 到 50 组「问题加应有答案」，量一下正确块有没有进前 k 名，用数据决定要不要改。
- 一次只调一个参数：块大小和重叠同时改，出问题就说不清是谁造成的。
顺着这个问题往下用
全部工具总览 →相关疑问
512 tokens 这个数字是怎么来的？
它是多个约束的交点：大约是一到两个自然段，能保持语义完整；与多数嵌入模型的 512 上限对齐；按 10 条召回计算正好约 5000 tokens，落在大模型的舒适区间。它是经验起点，不是理论最优。
重叠是不是越大越好？
不是。重叠只在切分边界附近起作用，取块大小的 10% 到 20% 就够；再往上增加的是索引冗余和去重成本，边界问题并不会继续改善。
块切得小，检索不是更准吗？
精确率会更高，但召回率会掉。一个完整答案被切到三块里，而只召回其中一块时，大模型拿到的就是残缺信息，回答反而更错。
换了嵌入模型需要重新分块吗？
需要重新评估。不同模型的输入上限和语义敏感度不同，原来的块大小可能正好卡在它的截断边界上，换模型后建议重跑一次评测集。
继续看：相关问题与资料
全部问题解答 →内容说明：本页针对具体使用问题作答，方法步骤与数值由本站自行整理与复算，事实性内容以对应官方规范与文档为准。内容最后核对日期：2026-10-09。若发现错误，欢迎通过页脚反馈入口告知。