文档分块（Chunking）有哪些策略？各自的优缺点是什么？

分块策略：

• 固定大小分块：按固定token数切分（如512 tokens），重叠一定长度保持连贯性

优点：简单、均匀；缺点：可能截断完整语义

• 语义分块：根据语义边界切分（段落、句子），用阈值判断嵌入之间相似度变化

优点：语义完整；缺点：块大小不均匀、计算开销大

• 递归分块：按分隔符层级递归尝试分块

优点：兼顾大小和语义；缺点：参数调节复杂

• 按文档结构：按标题/Markdown标题层级分块

优点：保持文档结构逻辑；缺点：需结构化文档源

• 小2大 (Small-to-Big)：检索小粒度块（精确匹配），但生成时将父级大块作为上下文

优点：兼顾检索精度与上下文完整性

选择建议：通用场景用递归分块（chunk_size=512, chunk_overlap=50）；结构化文档优先按标题分块