表格、合同、制度、FAQ、PPT 和聊天记录，为什么需要不同解析与切片方式？

知识库建设常把所有文件转成纯文本，再按固定字数切段。操作很简单，代价是表格行列关系丢失、合同条款被切开、演示文稿标题与内容分离、聊天上下文混在一起。

系统找到了文字，却没有找到完整意义。

解析与切片要服从文档结构、真实问法和业务风险。不存在一个固定长度适合所有资料。

六类文档有六种典型失败

文档 统一切片后的失败 验收时要问

表格 数字离开表头、单位、时间和行列 能否还原指标、维度与口径

合同 定义、条款、例外和附件被拆开 能否同时返回相关上下文与原文位置

制度 新旧版本和适用范围混合 能否按身份、时间选择有效版本

FAQ 同义问法重复，旧答案与新答案冲突 一个问题是否指向唯一有效责任来源

PPT 标题、图表说明、备注和页间逻辑分 结论与前提是否仍然连在一起

离

聊天记录 玩笑、临时判断和正式决定混合 是否保留时间、回复关系并完成权限

治理

如果演示文稿中的图片或图表没有被可靠解析，就应明确标记信息缺失，不能假装整页已经被理解。

切片的最小单位由意义决定

表格需要保存表头、单位与行列；合同和制度要保留章节、定义、例外、版本与适用范围；FAQ 适合围绕问答单元组织；聊天则应先确认用途、权限和保留边界，再提炼经过确认的知识。

复杂问数还要连接动态数据查询。把静态表格切得再好，也无法自动回答此刻库存或实时经营数字。

按真实问题验收解析

每类文档准备一组用户真实问法和难例，分别检查：正确片段有没有找到，关键结构是否保留，权限是否生效，证据不足时能否拒答。

同时把“检索找到了什么”和“答案怎样使用证据”分开评测。否则团队无法判断问题出在解析、召回还是生成。

切片的目标，是把意义整理成能够被正确找到、正确使用的最小单元。

本问行动：分别抽一份表格、合同和聊天记录，用真实问题测试，别再让所有文件共享同一个切片长度。