先分块再向量化已经过时！先embedding再chunking才是王道

推荐语

RAG技术迎来革新！先embedding再chunking策略突破传统分块局限，让语义检索更精准高效。

核心内容：
1. 传统chunking方法的痛点分析：固定分块与递归分块的局限性
2. 先embedding再chunking的创新思路与优势解析
3. Max-Min语义分块等前沿解决方案的技术解读

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

先embedding再chunking的时代来了。

在RAG应用开发中，第一步就是对于文档进行chunking，chunk质量会直接决定整个RAG检索的质量。

过去，行业通常会采用先chunking再embedding，最后检索、生成的思路进行。

但这个思路中，在chunking环节，无论是固定长度分块，还是递归分块，其实都解决不了精度和上下文的平衡的问题。

在此背景下，先embedding再chunking的思路逐渐被更多人接受。

典型代表是Jina AI提出的Late Chunking策略，以及Max–Min semantic chunking。Late Chunking详见Late Chunking×Milvus：如何提高RAG准确率

本文将对Max–Min semantic chunking进行重点解读。

01 

常见chunk思路解读

一个典型的RAG流程是这样的：

第一步，数据清洗与处理：对元数据去除无关内容（如页眉页脚、乱码），统一格式，并将长文本分割成短片段（如 500 字 / 段），避免向量表示时丢失细节。

第二步，向量生成与存储：用embedding模型（如 OpenAI 的 text-embedding-3-small、LangChain 的 BAAI embedding）将每个文本片段转换成向量（Embedding）然后将其存储到向量数据库（如 Milvus、Zilliz Cloud），数据库会通过不同索引方式优化语义检索效率。

第三步，查询：将用户的自然语言查询（如 “RAG 如何解决大模型幻觉问题”）通过相同的embedding模型转换成向量后，向量数据库根据查询向量，快速找到语义最相似的Top-K 个文本片段。

第四步，生成回答：将检索到的 Top-K 文本片段作为上下文，和用户的原始查询一起拼接成提示词（Prompt），传给大模型，大模型据此生成回答。

在这个过程中，高效的文档分块是整个流程中的第一步，它将文档拆成小块（一个段落、一节或一组句子），可以有效的提高后续召回内容的准确性与细节丰富度。

但做好一个高质量的chunking并不容易。

目前行业有两种常见的分块方法：

• 固定大小分块：简单粗暴，按固定的字符数或token数来切分。优点是效率高，但没有语法和语义意识，随便切割，容易让句子甚至单词断裂，直接导致不连贯。

• 递归字符分块：这个思路比固定大小聪明些，按优先级比如段落、换行符、句子等逐步切分。它会先按段落切分，如果段落太大，就会递归地按换行符、句子等切分。优点是简单且有语义感，能保证块内的一定连贯性，但可能仍然存在断层。但是部分文档可能缺乏清晰结构，或章节、段落长度差异过大，这会影响检索算法向 LLM 提供最优相关文本的能力；此外，该方法还可能生成超出 LLM 上下文窗口的分块。

以这两种方式进行分块的时候，我们经常要考虑两个问题：精度和上下文的平衡。

越小的块，精度越高，但上下文可能不全；越大的块，语境更完整，但可能包含太多无关信息。

2025年Bhat等人的研究发现，分块大小这个问题没有标准答案，但整体上，事实类问题适合小块（64-128 token），而叙事类问题则适合大块（512-1024 token）。

有没有更聪明一点的办法？不要完全被长度限制的分块思路？

答案是有的——Max–Min semantic chunking。

论文链接：https://link.springer.com/article/10.1007/s10791-025-09638-7?utm_source=chatgpt.com

02 

Max–Min semantic chunking 解读

Max–Min semantic chunking的核心是通过动态语义评估来实现分块优化。

相比传统RAG流程，先chunking再embedding，Max–Min semantic chunking会先对所有句子进行embedding，然后在此基础上进行分块。

Max–Min semantic chunking会将分块任务视为动态 / 时序聚类问题：基于句向量的相似度，将不同句子组合成新的分块。

但与传统聚类方法不同，该方法需尊重文档中句子的时序性—— 即同一聚类内的句子必须连续。算法会按顺序逐句处理文档，决定每个句子是加入当前分块，还是开启新分块。

具体步骤如下：

1. 生成embedding并初步聚类：首先使用文本嵌入模型，将所有句子映射到高维空间。设文档包含 n 个句子，通过计算，已将前n-k个句子归入当前分块 C。此时需决策：n-k+1个句子，是加入分块 C，还是创建新分块。

2. 计算分块内最小相似度：计算当前分块 C 内所有句子向量间的最小 pairwise 余弦相似度，识别分块内语义最不相似的句子对，衡量分块内句子的关联紧密程度，进而判断新句子是否与分块内句子足够相似。

3. 计算新句子与分块的最大相似度：计算当前分块 C 内所有句子的最大余弦相似度，对比新句子与现有分块的最高语义相似度。

4. 分块决策依据：核心决策逻辑为：若分块 C 内的最小相似度小于新句子与分块 C 的最大相似度，则新句子加入分块 C，否则开启新分块。

5. 阈值调整（分块大小优化）：对于如何调整块内语义相关度，我们可以动态调整分块大小、相似度阈值等等参数。

6. 初始化处理（分块中仅有单个句子时）：当当前分块仅包含 1 个句子时，需特殊处理初始化问题，直接对比第一句与第二句相似度与我们设置的阈值常数，高于常数就算入同一个分块，低于这个常数就开启新的分块。

03 

Max–Min semantic chunking的优劣势

Max–Min semantic chunking的创新点一共有三：

1. 动态分块逻辑：摒弃固定尺寸或结构依赖的静态规则，以 “句子语义相似度” 为核心决策依据。具体流程为：先计算当前分块内句子的最小语义相似度（衡量分块内语义关联的下限），再计算新句子与当前分块的最大语义相似度（衡量新句子与分块的适配度）；若最大相似度高于最小相似度，则将新句子纳入当前分块，否则启动新分块。

2. 轻量化参数设计：仅需调整 3 个核心超参数（最大分块大小、一二句之间的最低语义相似度需求、新句子与块内句子最大相似度的最低门槛），且超参数逻辑与分块大小自适应 —— 分块规模越大，新句子纳入的阈值越高。

3. 计算资源复用：复用 RAG 系统原生所需的 “句子嵌入向量”（无需额外计算嵌入），仅在分块阶段增加轻量化的余弦相似度计算，整体计算开销低于传统语义分块方法。

但Max–Min semantic chunking方法也有其不足，因为是依据时序聚类，因此处理长文档时可能会丢失文档中长距离的上下文依赖关系。

如果关键信息散落在多个文本块中，脱离上下文的文本分块片段很可能失去其原有的意义，导致后续的召回效果比较差。

以Milvus 2.4.13 release note为例，假如分为如下两个文档块，如果我们要查询Milvus 2.4.13有哪些新功能？，直接相关内容在分块2里，而Milvus版本信息在分块1里，此时，Embedding 模型很难将这些指代正确链接到实体，从而产生质量不高的Embedding。

此外，由于功能描述与版本信息不在同一个分块里，且缺乏更大的上下文文档，LLM 难以解决这样的关联问题。

对于这种问题，我们可以采用滑动窗口重新采样、重叠的上下文窗口长度以及多次文档扫描等方式来解决。