解析、切分与检索

核心概念

解析把文件转成可处理的文字和结构；切分把资料分成检索片段；检索按问题找候选依据。三个步骤各有失败方式。表格列错位属于解析问题，条件与结论分离属于切分问题，相关片段未召回才可能是检索问题。

关键词检索适合制度编号、设备型号等精确词；语义检索有助于找到口语和同义表达。两者可以组合，但方案好坏要用具体问题验证，不能只看检索分数。

情境拆解

员工问“店里空调坏了，晚上能报吗”。制度把受理时间、紧急情形和联系电话写在同一节。若按固定长度机械切开，可能只找到“全天受理”，却遗漏“仅限紧急故障”的条件。

应优先保留标题、适用条件与完整规则，为片段附上文档编号、版本、章节和位置。必要时读取相邻上下文。服务端先限制可访问资料，再检索或核对结果权限，受限内容不能进入模型上下文。

常见误区

片段越小并不总是越好，候选越多也不保证答案更准。若解析已丢失表格关系，增加候选数量无法恢复原规则。检索分数不是回答正确的概率。

区分解析、切分和检索问题

原表格写着“仅紧急报修，两小时内响应”。如果解析时表头丢失，数字失去了条件；如果切分把条件与数字拆开，检索到的片段可能不完整；如果片段完整但没被找到，才需要检查检索策略。

设备编号适合精确匹配，口语问题可能需要语义检索。两种方法可以组合，但应通过具体样本验证。

动手：比较两种切分方案

1. 使用上课的合成资料，其中一份做成带表头和备注的简单 Markdown 表格。
2. 设计短片段与保留完整条件的片段两种方案，记录每块的来源、版本和位置。
3. 用相同六个问题比较，包含编号查询、口语表达、跨范围请求和资料未覆盖的问题。
4. 逐例记录错误发生在解析、切分、过滤、检索还是回答。没有检索代码时，可以做人工检索表，不声称已测服务性能。

问题 ID：
方案与片段 ID：
原文条件是否完整：
权限与版本过滤：
找到的片段：
支持哪些结论 / 仍缺什么：
错误环节与下一次检查：

检查产物

从片段能找回原文、表头和限制条件。资料没写的事情，应留下“未覆盖”，不能靠扩大召回或提示词强行生成依据。