[Dify] 知识库切片逻辑解析：段落切分 vs 语义块切分，该怎么选？

在构建基于知识库的智能问答系统时，文档切片（Chunking）策略决定了系统能否 “召回精准内容” 并有效注入上下文给大模型。

Dify 支持对上传文档自动进行“内容切片”，但你知道吗？

不同的切片方式，影响大模型的理解力甚至回答准确性。本篇文章将对比两种常见策略：

• 段落切分（Paragraph-based Chunking）

• 语义块切分（Semantic-based Chunking）

并提供实际建议，帮你在不同场景中做出最优选择。

---

一、什么是知识库切片（Chunking）？

Dify 在用户上传文档（如 PDF、Word、HTML、Excel 等）后，会将其拆解成多个“小块”文本片段（chunks），并对这些片段执行嵌入（embedding）处理，从而实现基于向量的语义检索。

而切片的策略，直接决定：

• 检索召回的片段是否准确

• 上下文是否连贯

• LLM 输出是否靠谱