实用工具
输入
结果
结果会显示在这里。文档怎么切，决定了 RAG 系统能检索到什么：在句子中间断开、或者把两个话题混在一起的文本块，再好的向量模型也检索不好。这个工具让你在建索引之前先看到切块结果。它逐行移植自 LangChain 的 RecursiveCharacterTextSplitter（langchain-ai/langchain，MIT）——大多数 RAG 教程和流水线的起点——我们的测试确认它在英文、中文和中英混排文本上，无论按字符还是按 Token 计长，切出的块都与 Python 库完全一致。
它是怎么工作的
- 先在文本中出现的第一个分隔符处切开——空行、换行，然后是句末标点、分句标点和空格——仍然过长的片段再用下一级分隔符继续切。
- 中文的句末和分句标点（。！？；，）都在分隔符列表里，而且每个分隔符都留在它结束的那一段末尾，所以一个块会以句号结尾，而不是下一个块以句号开头。
- 然后把片段合并到接近块大小，每个新块开头会带上前一块结尾中能放进重叠长度的部分，和 LangChain 的做法一样。
- 长度按 Unicode 码点计算（与 Python 的 len() 相同），也可以按 cl100k_base Token 计算；输出为 JSON，包含每块的序号、起始位置、长度和文本。
你的数据去了哪里
哪也没去。本工具完全在你的浏览器里运行：你粘贴的文本由页面处理，不会传输到任何服务器，也不会写进任何日志。
本工具免费且无需登录，运行结果只存在于你当前的页面里，不会被保存到任何地方。
它要花多少
本工具完全免费，不需要登录，也不消耗积分。
常见问题
- 在我的 Python 流水线里能得到一样的结果吗？
- 能，只要参数相同：RecursiveCharacterTextSplitter(chunk_size=…, chunk_overlap=…, separators=["\n\n", "\n", "。", "！", "？", ". ", "! ", "? ", "；", "; ", "，", ", ", " ", ""], keep_separator="end")。按 Token 模式时再加上用 tiktoken cl100k_base 计数的 length_function。LangChain 自带的默认分隔符不认识中文标点，这正是中文用默认设置切得很差的原因。
- 块大小和重叠设多少合适？
- 常见的起点是 500–1,000 个字符，或 200–400 个 Token，重叠 10%–20%。块越小匹配越精确，但每次命中带的上下文越少；块越大则相反。拿你的真实文档在这里试一试，逐块读一遍：每一块都应该能独立看懂。
- 为什么有的块开头的重叠比设定的少？
- 重叠长度是上限而不是保证。切分器只会整段整段地带过去，并且会从前面丢弃片段，直到下一段能放进块大小为止，所以一个长句可能让重叠部分完全放不下。LangChain 的行为也是这样。
- 支持按 Markdown 标题切分或语义切分吗？
- 不支持。它做的是递归字符切分，也就是大多数流水线的默认做法。按标题切分和基于向量的语义切分需要不同的逻辑，语义切分还需要一个向量模型；在这里，空行和标题本身就是最强的切分边界。
背后的开源项目
本工具是独立实现，并未打包第三方库。langchain-ai/langchain（MIT）在代码层面做的是同一件事——如果你需要在自己的程序里实现它，从那里开始，而不是调用一个网页。
langchain-ai/langchain也常被称作
- rag 切块
- 文本切分工具
- 文档分块
- chunk size overlap
- recursivecharactertextsplitter
- langchain 文本切分