文档切块实验室
RAG 的检索质量，一半在切块就定了：块太大，一小块混几件事，检索被稀释；块太小，一句话被斩成两截，哪一块都不完整。同一篇政策切三遍，看切口怎么决定召回命运——关键条款在默认参数下恰好被拦腰斩断。
纯前端确定性模拟：固定长档窗口步进 step = size − overlap，与知识库《RAG：检索增强生成》动手节 split 同构；三档谱系对齐《RAG 进阶：混合检索、重排与评估》——固定长是起点档、段落标题尊重作者边界、语义档按话题转折下刀（预置句级主题标签示意语义边界，页面明示）。注意与「分词」工具分工：那是 BPE 子词层，这是检索库文档层。零 API、零随机。
三档切块 · 谱系从糙到准
文档：差旅报销政策 · 185 字每 48 字切一刀——起点档，便宜但不懂内容
4 块 · 平均 46 字/块 · 斩断 4 处 · 混主题 4 块
切块全景 · 一色一块
出差前须在 OA 系统提交出差申请，写明事由、城市与天数。没有申请单的差旅，费用一律不批。报销凭
证一律用增值税发票，抬头须为公司全称。电子发票需打印一份附在报销单后。报销须在 30 天内提交，
时限从发票开具日起算。超期未报的，要附部门负责人签的情况说明。一线城市住宿上限每晚 600 元。
超标准的部分由个人自理。报销单走部门与财务两级审批。审批通过后，打款固定在每周五。
检索联动 · 词面计分取 top-2
这个查询在考：报销须在 30 天内提交，时限从发票开具日起算。（考一句横跨报销 / 发票两主题的关键句：30 天时限从发票开具日起算）。块级得分 = 查询词面 token（中文字面 2-gram + 英数串）被块覆盖的比例，真实计分。
- 1块 2 · 证一律用增值税发票，抬头须为公司全称。电子发票需打印一份附在报销单后。报销须在 30 天内提交，0.18
- 2块 1 · 出差前须在 OA 系统提交出差申请，写明事由、城市与天数。没有申请单的差旅，费用一律不批。报销凭0.09
静默召回失败 · 召回的块缺了另一半
召回了「报销须在 30 天内提交，」，缺了「时限从发票开具日起算。」——另一半躺在块 3 里没被召回。检索不报错、模型不知情，只能编或者说不知道：这就是静默召回失败，发票超过一个月还能报销吗问的就是它。