向量化前为什么要对长文档切片
哪些公司问过
答案要点
- 适配 Embedding 模型的最大输入长度,避免截断丢失内容
- 整篇压成一个向量会稀释语义,降低与具体问题的匹配度
- 细粒度检索:精准定位相关段落而不是整篇文档
- 控制送入大模型的上下文长度,降低成本和噪声
- 长上下文模型下仍建议分块,可用小块检索、返回父块的方式兼顾完整性
易错点
- 只按固定字数硬切,切断表格、代码或句子
- 块越小越好:太小会丢失上下文,检索到也答不全
- 认为长上下文 Embedding 模型可以完全不分块
面试官常见追问
- 切片设置重叠区域有什么作用,比例怎么定?
- 切片有哪些常见策略?
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。