记忆点：按文档结构切，再用任务评测集定大小；没有通用最佳字数。
💡 答案要点
Chunk 大小的权衡：
| Chunk 大小 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 小（256-512） | 检索精确 | 语义不完整 | 技术文档、代码 |
| 中（512-1000） | 平衡 | 平衡 | 通用文档 |
| 大（1000-2000） | 语义完整 | 检索不精确 | 对话数据、文章 |
经验值：
- 通用文档：500-1000 tokens
- 技术文档：256-512 tokens
- 对话数据：1024-2048 tokens
- 重叠：chunk_size 的 10-20%
进阶策略：
- 父子文档（Parent-Child）：检索小 chunk，返回大文档
- 重叠切分：相邻 chunk 重叠 10-20%
- 语义切分：用 embedding 聚类后切分