🤖 AI 应用工程ID:
parent-child-chunkingParent-Child 父子切块策略
Parent-Child Chunking
🎯核心定义
父子切块策略 (Parent-Child / Hierarchical Document Chunking) 是一种在文档切分时构建两级（或多级）树状层级结构的 RAG 范式；文档首先被划分为较长且具备完整主题的大切块（父文档 Parent Chunk，如 1000-2000 Token 的完整章节），随后每个父文档被进一步细分为多个小切块（子文档 Child Chunk，如 100-200 Token）；系统只对子切块计算 Embedding 建立向量索引并记录 `parent_id`；检索时由小切块进行高精度语义召回，命中后自动根据 `parent_id` 抓取并向 LLM 注入其对应的完整父文档。
💡使用场景
结构层次分明的技术规范、API 参考手册、法律法规条款以及多章节企业知识库。
⚡解决的核心痛点
传统方案中，小切块检索精度高但生成时缺乏宏观背景，大切块包含全部背景但检索匹配度低；Parent-Child 机制实现了“细粒度召回、粗粒度生成”的完美统一。
🎯5 个高频面试考点 (Exam Points)
1
详细比较 Parent-Child Chunking 与 Sentence-Window Chunking 在上下文组织形态与多级继承上的差异？
2
当多个子切块 (Child Chunks) 命中同一父文档时，检索召回层如何执行父文档去重 (Deduplication) 与权重加权？
3
如何利用文档原生的 Markdown 目录树 (H1->H2->H3) 自动构建多层级 Parent-Child 树状节点索引？
4
父文档作为独立 DocStore 存储（如 MongoDB / Postgres / Key-Value Store）与向量库（存储子向量）的读写同步架构？
5
如果父文档包含代码块或表格，子切块分割时如何保证不截断表格内部行？
📖 关联深度指南:📄 naive-and-advanced-rag →
更新于 2026-08-14🎯
🚀 开始本考点专项刷题 ➔检验攻克程度：针对「Parent-Child 父子切块策略」专属刷题排雷
做单选排雷题、推导选项机制，答错自动收录进专属错题本。