分块方式
one
一个文件只生成一个 chunk,适合短文档、合同
book
针对长篇书籍（尤其是 PDF 格式），通过文本特征检测分割点，
chunk粒度与“ARTICLE（文章/章节）”一致，且包含所有上层文本。可设置“页面范围”，过滤无用内容，减少分析计算时间。
laws
利用法律文件“严格的格式特点”，通过文本特征检测分割点，
chunk粒度与“ARTICLE”一致，确保法律条文的结构完整性（所有上层文本会包含在chunk中）
paper
按论文的结构（如摘要、1.1 节、1.2 节等章节）切片。
优点：大语言模型（LLM）能更好概括章节内容，生成更全面的答案。
缺点：会增加 LLM 对话的上下文量与计算成本，可通过降低“topN（返回的相关块数量）”优化。
manual
假设文档有分层章节结构，同一章节内的图、表不会被分割，块大小可能较大。
适用场景：章节结构清晰、内容关联紧密的手册类文档（需注意：大章节会消耗更多 Token，可能影响检索精准度）。
presentation
PPTX 会提取每页文本 + 缩略图，生成一个 chunk；
PDF 版会按页码切割，每页独立成块；
保留页码信息，方便检索后定位原文件位置。
table
利用表格的“结构化特性”，将每行视为独立块。
qa
专为“问答对”类数据设计，每行“问题 - 答案”作为独立块。
Excel：需包含两列（无标题），第一列是问题、第二列是答案。
CSV/TXT：需用
UTF-8编码，且以 TAB 作为问题与答案的分隔符；不符合规则的行会被忽略。
tag
要求两列结构：一列内容，一列标签（支持多标签，用逗号分隔）；
为知识库的块“添加标签”，其他知识库可基于这些标签关联块；对带标签的块进行查询时，也会携带标签信息。
用于多知识库间的“标签关联检索”，强化知识的关联性。
resume
不做“分块”，而是将简历解析为结构化数据（如提取学历、工作经历等字段）。
general
基本分块方法，首先利用视觉检测模型对文档进行文本布局分析，将连续文本分割成逻辑片段，然后将这些片段合并成token数量不超过预设阈值的块，以平衡上下文完整性和处理效率。
分块结果
general（512）
教案-9，说课稿-6
general（256）
教案-15，说课稿-12
general（128）
教案-25，说课稿-20
结论：不是分块的文本块大小越小越好，512效果要优于256、128.
PPT课件解析分块会自动使用presentation方法，每页一个块，包括截图和文本。
Excel文件解析要使用table方法，每行一个块（第一行必须是列标题，列标题必须是有意义的术语，以便我们的大语言模型能够理解。）
book方法，自动判断，段落分块（解析过程缓慢，检索回答效果不理想）。
paper方法，仅支持PDF文件，按照大、小标题切片。
