固定在网站底部汽车之家网站系统是什么做的

张

张建站

2026/4/7 19:31:53

10分钟阅读

固定在网站底部,汽车之家网站系统是什么做的,签名能留链接的网站,建筑网站官网文本分块#xff08;Chunking#xff09;是决定 RAG#xff08;检索增强生成#xff09;系统成败的核心技术之一#xff0c;却常常在幕后默默发挥作用。简单来说#xff0c;分块就是把长文档切分成更小、结构化的片段#xff0c;让 AI 系统能够真正检索和推理。分块可以…文本分块Chunking是决定 RAG检索增强生成系统成败的核心技术之一却常常在幕后默默发挥作用。简单来说分块就是把长文档切分成更小、结构化的片段让 AI 系统能够真正检索和推理。分块可以• 降低数据检索中的噪声• 减少 AI 幻觉即生成错误或误导性结果• 缓解上下文丢失问题上下文丢失指模型要么收到文本过多、要么过少无法判断哪些信息属于同一主题也记不住句子、话题、章节之间的关联。简言之因为检索到的数据杂乱无章模型根本无法理解用户在问什么。只要采用合适的分块策略RAG 应用就能成为高度可靠的知识系统返回简洁、上下文相关的答案。分块不只是一个预处理技巧而是RAG 的基石它让系统能够快速、规模化地稳定运行并输出准确、上下文感知的响应。下图展示了信息在 RAG 系统中的流转过程。RAG 架构中的文本分块分块在数据入库之后、向量化之前执行是决定信息如何存储、检索并最终被大模型使用的最关键一步。我们不会把整篇文档直接喂给模型而是通过分块将其切分成语义上有意义的上下文窗口。在数据入库阶段系统会收集 PDF、规章制度、手册、网页、对话记录、内部知识库等原始文档并将其转为纯文本。这些提取出的文本通常过长、格式混乱、噪声多不适合直接向量化或检索。在向量化之前内容必须被结构化和规范化——这就是分块的核心价值。分块将大文本切分成语义或结构上有意义的单元。这一点之所以重要是因为• 向量嵌入模型有上下文长度限制超长输入效果极差• 检索引擎在上下文过大、包含无关数据时表现糟糕分块通过把数据整理成兼顾语义完整性与嵌入效率的均衡单元解决了这些问题。上图展示了不同分块大小对 RAG 准确率的影响。分块边界决定了嵌入的粒度进而影响向量检索精度——因为相似度检索如余弦相似度、距离度量依赖每个分块的语义指纹质量。在 RAG 架构中分块是一项核心结构决策直接决定整条 pipeline 的性能。主流 RAG 文本分块策略实际应用中有多种分块策略各有优劣以下是几种关键方案固定大小分块Fixed-Size Chunking最直接的分块方式按 Token 数量切分。例如每 300 个 Token 切一块。• 优点嵌入大小可预测实现简单• 缺点可能在句子中间切断造成检索噪声• 适用日志、邮件等结构规整、模式重复的文本from langchain.text_splitter import RecursiveCharacterTextSplittertext_splitter RecursiveCharacterTextSplitter( chunk_size300, chunk_overlap0)语义分块Semantic Chunking不按固定长度切分而是基于语义与含义切分可通过 NLP 或 LLM 实现• NLP 方式依赖句子边界、段落分隔、章节标题成本低、速度快但更僵化• LLM 方式深度分析内容识别话题切换自动决定边界对格式差的文本更友好下面是基于 LangChain 的语义分块示例SemanticChunker根据语义相似度而非固定 Token 数划分边界需要嵌入模型计算相邻文本的相似度以检测话题切换。from langchain_experimental.text_splitter import SemanticChunkerfrom langchain_openai.embeddings import OpenAIEmbeddingsembed_model OpenAIEmbeddings()semantic_chunker SemanticChunker( embed_model, breakpoint_threshold_typepercentile)滑动窗口分块Sliding Window Chunking混合方案用来解决固定分块切断重要上下文的问题。通过创建重叠分块避免信息丢失例如 400 Token 的分块设置 20%–30% 重叠。这样靠近边界的概念至少会出现在两个分块中提升连贯性。from langchain_text_splitters import TokenTextSplittertext_splitter TokenTextSplitter( chunk_size400, chunk_overlap100)反向分块Reverse Chunking适用于关键信息出现在章节末尾、总结、脚注的数据集。不从文档开头分块而是从末尾向前分块确保以总结为核心的文档关键要点保留在同一块内而不是散落在多个分块中。这能让检索系统直接返回高信息密度内容而不必使用过大的分块。from langchain.text_splitter import RecursiveCharacterTextSplittertext_splitter RecursiveCharacterTextSplitter( chunk_size300, chunk_overlap0)chunks text_splitter.split_text(text)chunks list(reversed(chunks))Agentic 分块Agentic Chunking一种新兴的智能分块机制由 LLM Agent 根据预设指令、检索目标和评估反馈动态决定分块边界。 Agent 会通读整篇文档然后决定如何切分信息以最大化特定场景的检索准确率。到目前为止这种方式最接近人类整理知识库时的分块逻辑。如何选择合适的分块以实现最优检索分块策略的选择取决于多个因素内容结构、查询类型、检索精度要求、成本与延迟、模型混淆风险。内容结构• 学术/研究类文本概念层层递进随意固定分块会破坏核心思想优先语义分块• 产品手册、API 文档格式重复、结构规整可接受固定大小分块查询类型• 高精度问题审计推理、法律解释必须保留语义边界确保整段相关条款被完整检索• 宽泛意图问题更大的分块更有利于保留叙事逻辑检索粒度• 小块检索更精准但容易丢失上下文模型需要拼接多段信息• 大块保留上下文但会引入噪声降低精度是追求“手术刀式精准”还是“更丰富的上下文”取决于具体场景。成本与延迟分块越多嵌入计算与存储成本越高。滑动窗口因为重叠分块会进一步增加计算量与成本。企业规模化落地 RAG 时必须权衡精度提升是否值得额外成本。最小化模型混淆• 分块太小模型需要拼接大量碎片幻觉增多、回答不连贯• 分块太大检索返回噪声内容稀释精度企业级 RAG 系统的真实应用场景与挑战分块在企业场景中是安全与合规级别的关键环节典型场景包括合规与风险检索处理审计材料的企业必须保证关键词与其上下文绑定错误切分可能导致关键审计上下文被割裂。客服自动化银行、电信、酒店、航空、保险等行业用 RAG 提供故障排查、政策解读、高频问答。医疗与保险分块直接影响安全性与准确性。临床笔记、诊断描述、保单规则必须保留在同一块内否则检索可能合并不兼容上下文或错误呈现关键信息。企业常见挑战• 原始文档存在 OCR 错误、异常空格、断句• 不同部门数据噪声大、高度重叠• 过度使用滑动窗口会抬高存储成本• 过于粗糙的分块会直接导致检索失败这些挑战都说明分块是一项战略设计直接决定 RAG 系统成败。写在最后分块是RAG 系统的结构基石。• 分块做得好整条 pipeline 准确、稳定、可扩展检索精准幻觉减少模型收集上下文的步骤更少• 分块做得差再好的嵌入模型也无法弥补结构缺失系统会持续检索错误信息无论使用哪种分块方法最终目标都是以合适的结构提供恰到好处的上下文量。在 RAG 架构中优先重视分块设计的团队将避免代价高昂的下游失效问题。想入门 AI 大模型却找不到清晰方向备考大厂 AI 岗还在四处搜集零散资料别再浪费时间啦2026 年AI 大模型全套学习资料已整理完毕从学习路线到面试真题从工具教程到行业报告一站式覆盖你的所有需求现在全部免费分享扫码免费领取全部内容一、学习必备100本大模型电子书26 份行业报告 600 套技术PPT帮你看透 AI 趋势想了解大模型的行业动态、商业落地案例大模型电子书这份资料帮你站在 “行业高度” 学 AI1. 100本大模型方向电子书2. 26 份行业研究报告覆盖多领域实践与趋势报告包含阿里、DeepSeek 等权威机构发布的核心内容涵盖职业趋势《AI 职业趋势报告》《中国 AI 人才粮仓模型解析》商业落地《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》领域细分《AGI 在金融领域的应用报告》《AI GC 实践案例集》行业监测《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。3. 600套技术大会 PPT听行业大咖讲实战PPT 整理自 2024-2025 年热门技术大会包含百度、腾讯、字节等企业的一线实践安全方向《端侧大模型的安全建设》《大模型驱动安全升级腾讯代码安全实践》产品与创新《大模型产品如何创新与创收》《AI 时代的新范式构建 AI 产品》多模态与 Agent《Step-Video 开源模型视频生成进展》《Agentic RAG 的现在与未来》工程落地《从原型到生产AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。二、求职必看大厂 AI 岗面试 “弹药库”300 真题 107 道面经直接抱走想冲字节、腾讯、阿里、蔚来等大厂 AI 岗这份面试资料帮你提前 “押题”拒绝临场慌1. 107 道大厂面经覆盖 Prompt、RAG、大模型应用工程师等热门岗位面经整理自 2021-2025 年真实面试场景包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题每道题都附带思路解析2. 102 道 AI 大模型真题直击大模型核心考点针对大模型专属考题从概念到实践全面覆盖帮你理清底层逻辑3. 97 道 LLMs 真题聚焦大型语言模型高频问题专门拆解 LLMs 的核心痛点与解决方案比如让很多人头疼的 “复读机问题”三、路线必明 AI 大模型学习路线图1 张图理清核心内容刚接触 AI 大模型不知道该从哪学起这份「AI大模型学习路线图」直接帮你划重点不用再盲目摸索路线图涵盖 5 大核心板块从基础到进阶层层递进一步步带你从入门到进阶从理论到实战。L1阶段:启航篇丨极速破界AI新时代L1阶段了解大模型的基础知识以及大模型在各个行业的应用和分析学习理解大模型的核心原理、关键技术以及大模型应用场景。L2阶段攻坚篇丨RAG开发实战工坊L2阶段AI大模型RAG应用开发工程主要学习RAG检索增强生成包括Naive RAG、Advanced-RAG以及RAG性能评估还有GraphRAG在内的多个RAG热门项目的分析。L3阶段跃迁篇丨Agent智能体架构设计L3阶段大模型Agent应用架构进阶实现主要学习LangChain、 LIamaIndex框架也会学习到AutoGPT、 MetaGPT等多Agent系统打造Agent智能体。L4阶段精进篇丨模型微调与私有化部署L4阶段大模型的微调和私有化部署更加深入的探讨Transformer架构学习大模型的微调技术利用DeepSpeed、Lamam Factory等工具快速进行模型微调并通过Ollama、vLLM等推理部署框架实现模型的快速部署。L5阶段专题集丨特训篇【录播课】四、资料领取全套内容免费抱走学 AI 不用再找第二份不管你是 0 基础想入门 AI 大模型还是有基础想冲刺大厂、了解行业趋势这份资料都能满足你现在只需按照提示操作就能免费领取扫码免费领取全部内容2026 年想抓住 AI 大模型的风口别犹豫这份免费资料就是你的 “起跑线”