| 依据 | Markdown 标题 / HTML 标签 / 公文层级 |
|---|---|
| 元数据 | 把标题路径（一级>二级>三级）写入块元数据 |
| 优势 | 块边界天然合理，可做章节级过滤 |
| 注意 | 表格与代码块不能被从中切断 |
按标题切分并保留层级（示意）
按标题切分并保留层级（示意）
文档结构：
# 政策
## 报销
### 差旅费标准 <- 当前块所属层级路径
元数据：section = 政策 > 报销 > 差旅费标准结构化切分与标题改写配合：检索时把层级路径拼进检索文本，章节语义更完整。
本包目录（159 条）
模型全景与选型27 条接入与 API 要点27 条提示词框架与技巧27 条
RAG 与知识库25 条
- RAG 全流程（检索增强生成）
- 文档解析：入库前的格式清洗
- 递归字符切分（Recursive Splitter）
- 向量库选型：pgvector / Milvus / Qdrant / FAISS
- 混合检索与 RRF 融合
- 固定长度切分（字符/Token 窗口）
- HNSW 向量索引：参数与召回权衡
- 扫描件 OCR 与版面分析
- 相似度度量：cosine / 内积 / L2
- 元数据过滤：把权限与范围带进检索
- 检索评测指标：Hit Rate / MRR / nDCG
- 结构化切分（按标题层级）
- 表格抽取：从版式到结构化数据
- 父子块检索（Small-to-Big）
- RAG 端到端评测（RAGAS 思路）
- 知识库增量更新与失效治理
- 切分重叠（Overlap）与去重
- IVF / PQ 量化索引：省内存的大规模方案
- 查询改写与 HyDE
- 引用溯源：让每条结论可核对
- 语义切分（Semantic Chunking）
- BM25 关键词检索基线
- 多查询扩展（Multi-Query）
- GraphRAG：知识图谱增强检索
- 多模态 RAG：图片、表格与图表
结构化切分（按标题层级）
利用文档自身结构（Markdown 标题、HTML 标签、Word 样式）切分，并把标题路径写成元数据；检索命中后可按章节回溯，也能按章节过滤。
易错点
- 标题层级不写进元数据，命中后无法回溯上下文
- 表格与代码块被切断，产生半截内容
数据来源与参考
- LangChain MarkdownHeaderTextSplitter 文档；RAG 工程实践