Parent-Child 与句窗分块策略

层次化 Parent-Child 分块与句窗检索分块体系 (Hierarchical Parent-Child & Sentence-Window Chunking Strategies) 是企业级高级 RAG 系统解决“检索精度与生成上下文完整性天然矛盾”的核心数据切分范式；传统固定长度切块（如每 500 字符切一块）在块太小时缺乏宏观上下文（生成胡说），块太大时向量表征语义稀释（检索召回差）；层次化分块打破传统对等结构：1) Parent-Child 模式：将大父文档（Parent Chunk: 如 2000 字符完整章节）切分为多个高密度的子块（Child Chunks: 如 200 字符段落），向量库仅对细粒度子块做 Embedding 检索以确保极高的向量匹配度，而在召回后自动通过 `parent_id` 映射替换回完整的父文档送入大模型 Prompt；2) 句窗检索 (Sentence-Window Retrieval): 对单句进行向量化检索，命中后自动向左向右滑动扩展 $K$ 句上下文窗口，兼备单句高精准与段落高连贯。

法律条款合同检索、技术产品 API 手册 RAG、复杂长篇研报问答系统。

传统切块使得检索命中片段常常“掐头去尾”，导致大模型因缺乏前提假设或结论上下文而产生严重幻觉；Parent-Child 机制实现了“细粒度检索匹配，粗粒度生成推理”的完美解耦。

详细画出 Parent-Child 架构中“文档切分 $\to$ 子块 Embedding $\to$ 检索匹配 $\to$ 父块替换回填 Prompt”的完整数据流图？

句窗检索 (Sentence-Window Retrieval) 中的窗口大小 $K$（如 $K=3$ 展开前后各 3 句）对检索噪声比与上下文完整性的影响分析？

语义分块 (Semantic Chunking: 基于前后句子间的 Embedding 余弦相似度突变点作为分块边界) 的自适应切分算法？

多模态文档解析：PDF 表格、复杂图表与代码块在切块时如何通过 Markdown 结构化保留 (如利用 Unstructured / MinerU) 防止表格断裂？

元数据注入 (Metadata Enrichment): 在子块中注入全局标题路径（如 `Breadcrumb: 文档名 > 章节 > 小节`）对提升 Embedding 辨识度的收益？