RAG 中 Chunk 大小怎么确定
哪些公司问过
答案要点
- 权衡:太小语义碎片化、噪声多;太大信息稀释、占上下文
- 常用范围 256 到 1024 token,按文档类型、嵌入模型和窗口调整
- 按语义边界切分,避免切断句子或段落
- 相邻块设置重叠(overlap),避免边界信息丢失
- 用召回率和答案质量评测来确定最优大小
易错点
- 所有文档一刀切同一个大小
- 在句子中间硬切
- 不设置重叠,边界信息丢失
- 没有评测就拍脑袋定参数
面试官常见追问
- 有哪些分块策略?
- 重叠一般设多大?
- 怎么评估 chunk 大小选得好不好?
- 表格和代码怎么切?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。