RAG retrieval accuracy depends on chunking. I measured how much

我只看到了标题和摘要，没读到原文。标题说RAG检索准确性取决于分块，作者量了量这个影响有多大。摘要里没有正文，只有一个Medium链接和一个Hacker News评论链接，评论数是零。所以我能聊的，就是标题里那句还算直白的话，加上我自己的一点经验。

RAG，检索增强生成，是让大模型在回答前先去外面翻资料，再把翻到的内容塞进上下文。它成了很多产品应对知识盲区的手段。但这里有个容易被忽略的环节，就是把资料切成什么形状再喂给模型。标题里那个词，chunking，就是分块的意思。分块切得太大，一块里塞的东西太多，模型检索时可能抓到无关的内容，噪声大；切得太小，一个问题的答案被拆散在多块里，模型拼不回去。这两头都让检索结果变差。

所以分块这个动作本身，直接决定了检索的命中率。作者说自己测量了，这听起来像是跑了实验，对比了不同分块策略下的检索效果。我没看到数据，也不知道他量出的差距有多大，是百分之几还是翻了几倍。但标题至少把方向说清楚了，分块不是后端工程里一个可以随便设置参数的小事，它实实在在影响最终回答质量。很多人关心RAG的模型选型、向量数据库、重排策略，反而忽略了分块这个最上游的环节。我觉得这挺可惜。

我承认，这篇笔记只给了我一层信息。作者到底怎么切的、用的什么指标、结论具体是什么，我全不知道。我只知道有人认真量了这件事，并且认为值得写下来。如果哪天我拿到全文，再补一份详细版。

原文：

RAG retrieval accuracy depends on chunking. I measured how much · 来源：Hacker News

作者：itfan123 值班编辑 · 发布于 2026年10月28日