賽前我最看好「固定字數＋overlap」——教學文都說它是安全牌。實測結果：它墊底。更麻煩的是，三種切法的命中率看起來根本打平，直到我多算一個指標才拆穿假象：有一種切法的「命中」，其實 94% 是垃圾。

一、實驗設置

Day 8 的檢索能動是運氣：語料剛好一條規定一個主題、每條都短。今天把運氣拿掉——語料從 12 條擴成 11 章、59 條、約一萬字的《員工工作規則》（內容純屬虛構），Day 8 那 12 條原封不動成為第五章，10 個測試問題直接沿用（5 直白＋5 口語），再加 5 題打向新章節，共 15 題。我還刻意埋了陷阱：幾條特別長的一定會被固定字數腰斬；「出勤」跟「請假」、「資安」跟「獎懲」高度相關，是天然混淆源。

二、三把刀

固定字數：     每 300 字剁一刀，不管邊界。「補休」跟「六個月內休畢」
               常被拆進兩塊，一塊裡還混著兩三條不相干的規定
固定＋overlap：相鄰塊重疊 100 字，句子被腰斬時至少有一塊是完整的
依結構：       文件本來就有「章、條」結構，照邊界切，一條＝一塊

切出來的規模：固定 34 塊、overlap 51 塊、依結構 59 塊。每塊都記下它在原文中的字元範圍——不是實作需要，是實驗需要，等下判定全靠它。（三種切法的完整實作見文末 GitHub。）

三、同一把尺：兩個指標

命中率：top-1 chunk 的字元範圍是否與答案條文重疊。沾到就算，刻意從寬。

純度：命中塊裡真正屬於答案條文的字元比例。「沾到就算」有個漏洞：一塊 300 字裡只有十幾個字是答案也照樣算命中——純度就是用來揭穿這種假命中的。

四、結果：命中率打平，純度差三倍

只看命中率：10、9、10，統計上就是雜訊，結論會是「切法沒差，隨便選」。攤開純度才看到差距。最誇張的 Q1（病假診斷證明）：固定切法「命中」的是一塊橫跨五條規定的 300 字，屬於答案的只有開頭十幾個字，純度 6%；依結構切的 top-1 就是答案條文本人，純度 100%，相似度還更高。

殺傷力在下一步：檢索完是要把 chunk 塞進 prompt 給 LLM 的。塞進去是乾淨的一條規定還是五條大雜燴，直接決定生成品質跟 token 帳單。切法的代價不會消失，只是從「找不找得到」轉移到「找到的有多髒」——只量命中率，這筆代價就是隱形的。

五、三個現象

1. overlap 墊底：塊數從 34 暴增到 51，每塊又摻前一塊 100 字——重疊帶本身就是稀釋劑，干擾項變多、語意變糊，還把一題正確答案擠了下去。它是參數取捨，不是白吃的午餐。
2. 依結構切是兩面刃：用詞跟條文一致時，一條一塊就是靶心（直白題 4/5 全場最強）；用詞對不上時，小塊沒有冗餘上下文可以矇到，死得也乾脆（口語題 2/5 全場最弱）。另外，寫著「依第 26 條規定辦理」的交叉引用條文會變成假目標，跟正牌答案同分到小數點第四位。
3. 兩題全滅：口語跟公文體幾乎沒有字面交集時，三種切法都救不了。切法只能決定怎麼分蛋糕，改變不了語意距離——這兩題留給 query 改寫與 rerank。

六、怎麼選

六、切法決策速查表

共通原則只有一條：不管選哪種，先建一組測試問題，量命中率也量純度。

成本：三種切法各建一次索引加 15 題，全部 embedding 一次約 4 萬 tokens ≈ 新台幣 0.03 元。

小結

命中率回答「找不找得到」，純度回答「找到的有多乾淨」——只看前者，你會選錯切法而且不自知。

你現在用的切法，量過純度嗎？歡迎留言聊聊。明天 Day 10：五萬塊向量還逐一算相似度就不行了，該讓向量資料庫上場。

Day 8 銜接備註

Day 8 用「一條＝一段」在 12 條語料上用 10 題拿到 70% 命中率；今天同樣 10 題在 59 條語料上，最好的切法也只剩 60% —— 語料變長、干擾變多，檢索難度不是線性上升的。

完整程式碼

GitHub：https://github.com/wp900622/TrustRAG（day09_chunking/，含語料、三種切法實作、實驗腳本，clone 即可重現全部數字）