RAGFlow切片策略推荐：按文档类型精准选择

RAGFlow 内置了 11 种切片策略，听起来选项丰富，但落地时到底该选哪一种？这才是真正的决策难点。选对切片策略，检索效率可以翻倍；选错，再强的模型也容易在噪声数据中迷失方向。

先给出一个核心判断：切片的本质，是让你的知识库更精准地“理解”文档。它不是简单地把文字切碎，而是要保留文档的层级结构和语义逻辑。不同的文档类型，天然对应着不同的理解路径。

11 种切片方案的适用场景与特点

General（通用切片）

这是最基础、覆盖面最广的方案。当面对结构模糊、混合格式的普通文本——比如技术文档、新闻报道或排版复杂的博客——直接用。它会自动识别文本的排版和语义关联，按块大小（token 数量）分割，并支持重叠切片策略，防止跨段信息断裂。配置时，块 token 数建议设在 128-512，具体根据模型输入限制调整。如果文档包含多主题段落，适当缩小块大小可以提升检索精度。

Q&A（问答对切片）

专为问答数据集设计，例如 FAQ、客服对话或知识库问答对。它将每一行问答对作为一个独立切片，完整保留上下文。数据格式必须为“问题-答案”两列（Excel 或 CSV）。可搭配“自动关键词”功能，为问题提取关键词，进一步强化检索相关性。智能客服系统用它，效率表现最优。

Resume（简历切片）

处理个人简历和职位描述这类结构化但非表格化的文档，效果出色。能自动识别“技能”、“项目经验”、“教育背景”等模块，并按模块分割，确保模块内语义连贯。块 token 数建议设在 256-512，保证每个模块完整呈现。结合“提取知识图谱”功能，可以构建候选人与职位的关联关系，对招聘系统特别实用。

Manual（手动切片）

适用于章节分明的文档，比如教材、技术手册。用户可以自定义分割逻辑，例如按章节标题或分段符切分。最适合文档结构清晰但内容长度不均的场景。使用前需确保文档格式统一（如 Markdown、LaTeX 的标题标记）。如果章节内容过长（超过 1000 tokens），建议进一步细分。

Table（表格切片）

专为数据密集型表格量身定制，比如财务报表、科研数据表。能精准识别表格结构——合并单元格、行列嵌套都处理得当，并将表格转换为结构化数据（如 JSON 或 CSV）后再切片。块 token 数建议设在 512-1024，确保完整包含表格内容。还可结合“自动问题”功能，为表格生成潜在问题，例如“2024年Q2销量最高的产品是哪个？”。

Paper（论文切片）

处理学术论文、技术报告这类复杂文档时，它是首选。支持 LaTeX 公式解析，保留数学表达式的语义，还能自动识别图表标题与正文的关联性。块 token 数建议设在 512-768，避免公式被截断。结合“知识图谱提取”，可以构建论文间的引用关系网络，对学术检索尤为有用。

Book（书籍切片）

针对长篇书籍、小说、百科全书等。按章节标题或分卷逻辑切分，保留故事线或逻辑链。支持大块处理，单章内容可达数千 tokens。块 token 数建议设在 1024-2048，适配长篇内容。如果需要检索具体情节，可以进一步细分章节为段落级切片。

Laws（法律文档切片）

处理法律条文、合同、法规等结构化但语义复杂的文档时，这个方案非常关键。能自动识别条款编号和条款类型，比如“违约责任”、“保密条款”，并保留条款间的逻辑依赖关系，比如“本合同第X条优先于第Y条”。块 token 数建议设在 256-512，确保条款完整性。结合“页面排名”功能，可以提升高频条款的检索权重。

Presentation（幻灯片切片）

针对 PPT、Keynote 等演示文稿。按幻灯片页分割，保留标题、正文和图表的关联性。支持 OCR 解析扫描件中的文字和公式。块 token 数建议设在 128-256，适应幻灯片的简洁风格。结合“自动关键词”功能，可以提取每页的核心观点。

One（单块切片）

适用于极短文本，比如摘要、标签、元数据。把整个文档或段落视为单个块，不进行分割。最适合需要整体处理的场景，比如术语表、索引。确保文档内容简洁，不超过 256 tokens。可以结合“自动问题”功能，为单块生成潜在问题。

Tag（标签切片）

专门处理分类标签、元数据、关键词。按标签或分类分割文档，比如“电子产品”、“家电”，支持标签嵌套，如“手机 > 5G 手机”。确保标签体系清晰且层级合理。结合“页面排名”功能，可以提升高频标签的检索优先级。

选择切片方式的核心原则

归根结底，选择哪一款切片方案，取决于三个核心原则：

文档类型匹配。 根据文档的结构——是表格、段落还是章节，以及内容——是问答、条款还是公式，选择最适配的切片方式。

业务需求驱动。 若需精准定位条款（如法律合同），就选 Laws；若需问答匹配（如客服系统），就选 Q&A。

参数调优不可少。 块 token 数需要平衡信息完整性和模型输入限制，一般不超过模型最大长度的 80%。利用“重叠切片”可以避免跨段信息丢失，这在 General 和 Manual 方案中尤其有用。

可解释性与溯源。 选择能保留原始文档结构的切片方式，如 Table 和 Paper，便于后续引用溯源。

示例场景对比

为了更直观地理解，来看一个具体对比：

通过结合文档特性、业务目标和参数调优，RAGFlow 的切片方式能显著提升检索效率和生成质量。在实际应用中，建议通过 A/B 测试不同切片方式，并结合人工验证——比如检查召回结果的准确性，来选择最优方案。

来源：互联网