知识库分片别先问字数

先别纠结切 500 字还是 1000 字

很多人做 RAG 知识库，第一反应是问：分片到底切多大？这个问题问早了。真正影响效果的，不是某个神奇字数，而是你有没有按“用户会怎么问、答案该怎么用”来组织知识。

RAG 不是资料仓库，它更像一个随叫随到的助教。助教要能回答问题，就不能只会背全文，而要知道“这个问题属于哪类场景、该引用哪段依据、下一步怎么做”。

如果你是内容或教育从业者，最实用的分片原则是：按任务单元切，而不是按自然段机械切。

一份课程讲义里，可能同时有概念解释、例题、误区、答题模板、运营话术。如果全部混在一个大块里，AI 检索时容易拿到一锅粥；如果切得太碎，又会丢掉上下文。好的分片，应该让每一块都能独立回答一个小问题。

比如“申论归纳概括怎么审题”可以是一块，“常见丢分点”可以是一块，“学生追问时的解释话术”可以是一块。它们彼此相关，但用途不同。

第一步，先列问题清单。不要先整理资料，先写出用户最常问的 30 个问题，比如“怎么入门”“哪里容易错”“有没有模板”“能不能举例”。

第二步，把资料按问题归类。每个分片只服务一个主要问题，最多带一个补充问题。标题要写清楚，例如“资料分析速算：截位直除适用场景”，不要叫“第 3 章内容”。

第三步，给每个分片补上下文。至少包含对象、场景、结论、例子。比如“适合公考新手”“用于判断题型”“不适合精算题”。AI 拿到这块时，才知道该不该用。

第四步，建立元信息。给分片打标签：知识点、难度、适用人群、内容类型、更新时间。运营知识库尤其需要这一层，否则后期内容多了，检索会越来越乱。

第五步，用真实问题测试。不要问“请总结这篇文档”，而要问用户真的会问的话，比如“我做题总慢，资料分析先练什么？”看 AI 引用的是不是对的、回答能不能直接执行。

太粗的问题是召回不准。AI 找到了一大段，但里面只有一小部分有用，回答就容易虚。

太细的问题是语境不够。AI 找到一句孤立结论，却不知道前提条件，回答就容易绝对化。

一个实用判断是：每个分片读完后，真人能不能直接回答一个明确问题？如果不能，说明它可能太碎；如果里面能拆出三四个问题，说明它可能太大。

知识库不是一次性工程。课程、政策、产品、话术都会变，所以分片时要方便替换。不要把十个知识点绑成一个大分片，也不要把临时活动信息混进长期方法论里。

我更建议把知识分成三层：底层是稳定原理，中层是方法步骤，上层是当下案例或话术。越靠上的内容越容易更新，越靠下的内容越要慎改。

企业级 RAG 听起来很技术，但对普通团队来说，第一性原理很简单：让 AI 每次都能找到“刚好够用”的知识块。分片不是为了好看，也不是为了追参数，而是为了让知识能被检索、被引用、被执行。

先按问题切，再按场景补，再用真实问法测。做到这三步，知识库就已经比大多数“上传一堆 PDF 然后许愿”的系统靠谱。