脏数据怎么切块做 RAG：吴静的现场笔记

客户说「文档都在网盘里」，打开一看：扫描 PDF、过期 SOP、同名不同版。直接 embedding 等于垃圾进垃圾出。

切块前先清洗

• 按文档类型分通道：制度 / 工单 / 产品手册
• 过期文档打标签或降权
• 表格转结构化字段，别当纯文本切

切块策略

制度类按条款切，工单类按「问题-根因-处理」切，代码类按函数/模块切。评测时用业务同事的真实问题做检索测试，不要用工程师自拟题。