首页/AI/RAG 与向量库速查/固定长度切分(基线策略)

固定长度切分(基线策略)

按固定字符数滑窗切分是最简单的基线:实现零依赖、顺序稳定,但会截断句子与表格;适合无结构长文本或作为对照方案的起点。

RAG 与向量库速查AI更新于 2026-10-12

滑窗切分

滑窗切分
def fixed_chunks(text, size=500, overlap=50):
    step = size - overlap
    return [text[i:i+size] for i in range(0, len(text), step)]

chunks = fixed_chunks(open("doc.txt", encoding="utf-8").read())
print(len(chunks), chunks[0][:60])
overlap 必须小于 size;做对照实验时,与其它策略保持同一 embedding 模型与评测集。

易错点

  • 按字符硬切把句子与表格拦腰截断,语义破碎
  • overlap 过大导致相邻切片高度重复,检索结果冗余

数据来源与参考

  • LangChain 官方文档(CharacterTextSplitter,等价思路)
​‌‌​​‌​​​‌‌​‌‌‌‌​‌‌​​​‌‌​‌‌‌​​‌‌​​‌​‌‌‌​​‌‌‌​​​‌​‌‌​‌​​‌​‌‌‌​​​‌​‌‌​‌​​‌​‌‌​​​‌‌​‌‌‌​‌​​​‌‌​‌‌‌‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌