首页/AI/RAG 与向量库速查/语义切分(按主题跳变)
本包目录(229 条)

语义切分(按主题跳变)

语义切分按相邻句子的向量相似度寻找主题跳变点,在相似度骤降处切分,使每块主题更集中;适合长文与主题切换多的材料,成本较高。

RAG 与向量库速查AI更新于 2026-10-12

SemanticChunker

SemanticChunker
from langchain_experimental.text_splitter import SemanticChunker
from langchain_openai import OpenAIEmbeddings

splitter = SemanticChunker(
    OpenAIEmbeddings(model="text-embedding-3-small"),
    breakpoint_threshold_type="percentile",
)
docs = splitter.create_documents([text])
print(len(docs), docs[0].page_content[:80])
语义切分要对句子批量向量化,索引成本上升;先用小样本与递归切分做 A/B 再决定是否全面采用。

易错点

  • 对短文档或高度同质内容提升有限,白付向量化成本
  • 阈值类型与数值不同结果差异大,对比实验要固定参数

数据来源与参考

  • LangChain 官方文档(SemanticChunker)
  • Greg Kamradt, 5 Levels of Text Splitting(语义切分思路)
​‌‌​​‌​​​‌‌​‌‌‌‌​‌‌​​​‌‌​‌‌‌​​‌‌​​‌​‌‌‌​​‌‌‌​​​‌​‌‌​‌​​‌​‌‌‌​​​‌​‌‌​‌​​‌​‌‌​​​‌‌​‌‌‌​‌​​​‌‌​‌‌‌‌​​‌​‌‌‌​​‌‌​​​‌‌​‌‌​‌‌‌‌​‌‌​‌‌​‌