没有标题的 Markdown 文件如何切分？

核心回答

Markdown没有标题时，仍然有段落、列表、引用、代码块和表格等结构。可以先解析这些内容单元，再按Token预算把相邻单元组合成块；单个段落超长时，再按句子或更细边界拆分。标题缺失不意味着只能固定字数硬切，更不必先让模型给整篇文档编造章节。

切分时优先保留问题与回答、规则与例外、列表说明与列表项等关系，并保存文档ID、版本和原文位置。这样既能检索语义集中的片段，也能在需要时补回邻近上下文。

为什么不能只按两个换行切

空行是实用的段落线索，但代码块、引用或列表内部也可能有空行；只用字符串分割可能切断一段完整代码，或者把表格说明和表格分开。先由Markdown解析器识别块级结构，再制定切分策略更稳妥。

普通段落可以按顺序累计到目标预算。短列表与引导句一起保留；代码保存语言、块范围与关联说明；表格保留列名、单位和相关注释。它们未必都只能作为不可拆的整体：当一个表格或代码块本身超过模型预算时，需要使用结构感知的进一步分块。

超长单元怎样处理

超长文本段按句子边界递归拆分，必要时保留小范围重叠；不要让重叠覆盖大量重复正文。长表格可以按行组切分并重复必要表头，超长代码可以结合函数、类或其他语法边界处理，同时记录它们所属的原代码块。

块预算要使用实际模型的Token计数，并考虑索引模型与生成上下文的不同限制。字符数可以帮助初筛，但中文、英文与代码的字符—Token比例不同，不能直接等同。

没有章节名怎样定位来源

用稳定文档ID、段落或结构单元编号、原文偏移和版本建立定位，不依赖模型生成的标题。若补充主题摘要或检索问题，它们应是辅助检索字段，与原文及出处分开，避免将推断当成原文事实。

检索小块后，可按文档与位置补回必要的前后单元或父片段，但要再次控制上下文预算和权限。补上下文的目标是恢复解释条件，不是把整篇文档重新塞回去。

怎样比较是否切得更好

在同一文档集上标注问题所需的原始证据范围，比较固定长度、段落结构和语义切分是否保留了完整证据，并检查检索与最终回答。不同切分产生的chunk ID不同，评估不能只比较新旧ID是否相同。

重点看代码被截断、表头丢失、例外条件分离和块过大导致主题稀释等失败，再结合延迟、索引体积与维护成本调整。没有适合所有无标题文档的固定块长或重叠比例。

常见追问

要不要直接使用语义切分？ 可以作为候选，但它增加模型计算和阈值维护成本，也可能产生过小碎片。先建立结构化段落基线，再看是否确实补回了难例证据。

对应教程

参考资料