知识库文档如何合理分段

根据文档结构，如何把内容进行合理分段对于后续的知识库检索匹配十分重要，按照标题进行切分是最常见的方式。 MaxKB 默认按照智能分段以及高级分段这两种规则上传的文档进行切分，这两种规则本质都是根据分段标识以及字符数进行截取，对于样式规范(指的是使用了多级标题的样式)的文档，可以获得预期的效果。

那么对于看起来有规律但又没有采用规范的标题样式的文档，如下图展示的文档，应该如何进行合理地分段？

MaxKB默认的切分规则，本质上是按照特定的正则表达式进行切分，除此之外在高级分段规则中还支持手动输入正则表达式进行切分，这样就可以根据文档规律的表达方式进行合理地分段。

1 常见分段标识及其正则表达

场景	样例	表达式
章标题	第一章 RAG与大模型应用	[第][一二三四五六七八九十]+[章]
节标题	第一节 大模型应用的方向：RAG	[第][一二三四五六七八九十]+[节]
数字标题	一、 RAG与大模型应用 1.1 大模型应用的方向：RAG	[一二三四五六七八九十|1-9]+[、|.][1-9]*[.]*[1-9]*
条目	第一条：本公司员工均应遵守以下规定。	[第][一二三四五六七八九十]+[条]

2 操作及效果

将上传文档后，如果选择默认的分段规则，无法都无法获得立项的效果。

为了有效分段，需要在分段标识手动输入分段标识的正则表达式 [第][一二三四五六七八九十]+[条]（注意：输入后需要回车才生效），长度设置为单个段落的最大长度，然后点击生成预览。 从预览结果可以看到，每一条都完整地切分为一个段落，保证了语义的完整性。