文档处理与切分

你需要掌握的方法

保留文档标识、章节、页码和版本。切分时尽量保持语义完整，重叠部分用于保留上下文。用几条真实查询比较不同切分策略，而不是只看片段数量。

把方法放进场景

查询：“项目是否允许跨部门访问资料？”
记录命中文档、来源和回答；不存在依据时拒答。
比较修改前后的检索与引用，记录一个失败样例。

操作工作坊

把资料变成能追溯来源的片段。

1. 选三份可公开的文档，保留文件名、章节与版本。
2. 按段落生成片段，记录片段 ID 和来源。
3. 用跨段问题检查切分是否丢失限定条件。

const chunks = [
  { id: "doc-a-01", source: "公开说明 A / 第1节", version: "v1", text: "用户只能查看被授权的文档。" },
  { id: "doc-a-02", source: "公开说明 A / 第2节", version: "v1", text: "新增文档后需要重新建立检索索引并复测。" }
];
// 不只保存 text；引用、更新和权限过滤都需要来源元数据。

如何验收

给出一个问题，指出应命中哪些片段、为什么，以及哪些上下文不应丢失。

本单元实践

选择一个与你工作相关的案例，实践“文档处理与切分”。提交输入、过程、结果和核查记录。

• 能说明任务目标和输入
• 有实际操作结果或可运行成果
• 能指出错误、限制和验证依据