一、前言

昨天我們在 Dify 知識庫中成功建立了第一筆資料，並將 FHIR 講義投影片上傳解析。然而，在昨天的解析成果中，系統自動將講義切成近400個片段（Chunks），其中有些只有短短十幾個字。
如果文字切得太碎，AI 在回答時就會「只看字面、失去上下文前後文脈絡」；反之，如果一段切得太長，又會把過多不相干的雜訊塞進模型中。今天我們就來深入探討 RAG 流程中最關鍵的工序——文件切分（Chunking），並透過「自訂分段」找出最適合醫資講義的設定參數！

二、為什麼長篇講義需要切分（Chunking）？

大型語言模型（LLM）每次能處理的資訊窗口有限，且檢索系統是透過比對「語意相似度」來抓取關聯內容。

• 不切分的缺點：整份幾十頁的投影片當成一大包，檢索系統抓不出哪一段才是核心考點，且容易超出 Prompt 的上下文限制。
• 切太碎的缺點：例如將「HL7 FHIR 的四大特點」切成四個孤立的小塊，當你提問架構時，AI 可能只檢索到其中一點，漏掉其他重點。
• 理想的切分目標：讓每一個段落（Chunk）都具備「一個完整的概念或機制」，既包含標題、定義，又保留具體的說明。

三、Dify 的分段模式對比：自動（Automatic）vs. 自訂（Custom）

四、實作：手動調整自訂分段（Custom）設定

1. 進入知識庫檔案重新分段介面

   • 點選左側導覽列的 「知識庫（Knowledge）」，點進昨天建立的講義知識庫。
   • 點擊右上角的 「⋯」（更多選項）➔ 點選 「分段設定」。
     

2. 核心參數設定技巧
   點開後會跳出分段設定面板，我們針對關鍵參數進行調校：

   1. 分段識別符號：將預設的換行符號 \n 改為 \n\n (段落分隔符號)
   2. 分段最大長度：將系統預設的1,024改為800

      為什麼選800？投影片通常是一頁一個主題，800字元剛好能完整收納1～2頁投影片的核心重點，既不會太長失去檢索焦點，也不會過於破碎。

   3. 分段重疊長度：維持50字元

      關鍵作用：重疊區能讓相鄰的兩個區塊共享前後50個字，避免專有名詞或專業英文縮寫剛好在段落交界處被攔腰截斷！

   4. 文字預處理規則：勾選「替換掉連續的空格、換行符和製表符」，過濾掉簡報轉檔時常見的多餘空白排版雜質。
      

3. 預覽與重新處理
   在面板中點擊藍色的「預覽資料塊（Preview Chunk）」，確認預覽出來的切片不再是單獨一個字或一句話，而是包含完整說明的文字段落。往下滑動點擊「保存並處理」，系統便會根據新規則重新對講義進行切塊與索引。

五、改善成果驗收：388塊 ➔ 41塊！

經過這次切分優化後，成果對比非常顯著：

• 優化前（預設單換行切分）：切出高達388塊，平均只有44字元，內容破碎且無上下文。
• 優化後（改為 \n\n + 800 字長度）：整體切片數量大幅收斂至41塊！
• 點開現在的41塊切片，每一塊都能清楚看到「主題名稱 + 完整條列定義 + 相關說明」，上下文一氣呵成，完全解決了資訊碎片化的痛點！