本文探讨了在Prompt中使用文档分块的重要性，主要因为Prompt长度限制和无关信息干扰。文章介绍了五种文档分块策略：固定分块、递归分块、语义分块、结构分块和父子分块，分析了各自的优缺点和适用场景。目的是为了更精准地检索相关文档片段，并为LLM生成答案提供足够的上下文支持。
有同学可能要问：把整个文档塞进 Prompt就好了，为什么还要文档分块？原因有两个：
- Prompt 的长度是有限制的。
- 与问题无关的信息会干扰 LLM。
文档分块听起来也不复杂，按固定长度分割不就可以吗？可以的，但这仅仅是开始，文档分块的最终目标是：
- 准确地检索出相关的文档片段。
- 文档片段有足够的上下文支持 LLM 生成答案。
为了实现这一目标，业界实践出了以下分块策略：
| 分块策略 | 策略描述 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|---|
| 固定分块 | 按照固定字符数分块，例如每500个token分一块，相邻块的边界处重叠100个token(冗余设计，缓解语义截断问题)。 | 实现简单，速度快。 | 容易拆断句子，破坏语义完整性。 | 简单的FAQ文档，对检索精度要求不高。 |
| 递归分块 | 先按段落分块，如果段落太大，再按句子分块，直到分块大小符合要求。 | 尽量保留段落与层级的语义完整性。 | 对于结构复杂的文档，仍然会有语义截断。 | 有层级结构的文档，例如法律手册、金融报告和技术博客等。是大多数RAG项目的首选。 |
| 语义分块 | 通过余弦相似性衡量相邻句子的语义关联性。若相似度高，则合为一块；一旦相似度低于下限，即视为语义边界，分为两块。 | 保证每个分块的语义是一致的，极大提升检索准确性。 | 需要计算语义关联性，成本高。 | 长文和深度内容。 |
| 结构分块 | 按照特定的文档结构分块。例如Markdown按照标题层级分块；HTML按照标签层级分块；PDF按照页或章节分块；代码按照函数、类或包分块。 | 当文档有清晰的结构时，这种结构本身就是天然的语义边界，这种情况下结构分块是最靠谱的。 | 依赖文档有清晰的结构。 | 有特定结构的文档，例如金融或法律等有清晰章节的文档、代码、Makedown、HTML等。 |
| 父子分块 | 无论是哪种分块策略，都会遇到一个矛盾：小块检索精准但上下文缺失，大块上下文完整但检索不准。父子分块的解题思路是先把文档分成小块，再把小块关联到它的父级段落（大块）。检索时先命中小块，再把对应的父级段落一起放入 Prompt。 | 结合了小块检索精准和大块上下文完整的优势。 | 增加索引内存和多一次关联查询. | 长文和深度内容。 |
最后
对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？
答案只有一个：人工智能（尤其是大模型方向）
当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应聘者，月基础工资也能稳定在4万元左右。
再看阿里、腾讯两大互联网大厂，非“人才计划”的AI相关岗位应聘者，月基础工资也约有3万元，远超其他行业同资历岗位的薪资水平，对于程序员、小白来说，无疑是绝佳的转型和提升赛道。
如果你还不知道从何开始，我自己整理一套全网最全最细的大模型零基础教程，我也是一路自学走过来的，很清楚小白前期学习的痛楚，你要是没有方向还没有好的资源，根本学不到东西！
下面是我整理的大模型学习资源，希望能帮到你。
👇👇扫码免费领取全部内容👇👇
最后
1、大模型学习路线
2、从0到进阶大模型学习视频教程
从入门到进阶这里都有，跟着老师学习事半功倍。
3、 入门必看大模型学习书籍&文档.pdf（书面上的技术书籍确实太多了，这些是我精选出来的，还有很多不在图里）
4、AI大模型最新行业报告
2026最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。
5、面试试题/经验
【大厂 AI 岗位面经分享（107 道）】
【AI 大模型面试真题（102 道）】
【LLMs 面试真题（97 道）】
6、大模型项目实战&配套源码
适用人群
四阶段学习规划（共90天，可落地执行）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
硬件选型
带你了解全球大模型
使用国产大模型服务
搭建 OpenAI 代理
热身：基于阿里云 PAI 部署 Stable Diffusion
在本地计算机运行大模型
大模型的私有化部署
基于 vLLM 部署大模型
案例：如何优雅地在阿里云私有部署开源大模型
部署一套开源 LLM 项目
内容安全
互联网信息服务算法备案
…
👇👇扫码免费领取全部内容👇👇
3、这些资料真的有用吗？
这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
