實用工具
輸入
結果
結果會顯示在這裡。文件怎麼切，決定了 RAG 系統能檢索到什麼：在句子中間斷開、或混雜兩個主題的區塊，無論嵌入模型多好，搜尋結果都不會理想。這個工具讓你在建立索引之前先看到切出來的區塊。它是 LangChain 的 RecursiveCharacterTextSplitter（langchain-ai/langchain，MIT）的逐行移植版，這是大多數 RAG 教學與流程的起點；我們的測試會確認，無論以字元還是 Token 計算長度，它在英文、中文和中英混合文字上切出的區塊都與 Python 函式庫完全相同。
它是怎麼運作的
- 文字會在其中出現的第一個分隔符處切開——依序是空行、換行，再來是句尾、子句標點和空格——仍然太長的片段會再用下一級的分隔符切分。
- 中文的句子與子句標點（。！？；，）都在分隔符清單上，而且每個分隔符都留在它所結束的那一段末尾，所以區塊會以句號結尾，而不是讓下一個區塊以句號開頭。
- 接著把片段合併到接近區塊大小，每個新區塊開頭會帶上前一個區塊結尾中能放進重疊範圍的部分，與 LangChain 的做法一致。
- 長度可以用 Unicode 碼位計算（與 Python 的 len() 相同），也可以用 cl100k_base Token 計算；輸出為 JSON，包含每個區塊的索引、起始位移、長度與文字。
你的資料去了哪裡
哪也沒去。本工具完全在你的瀏覽器裡執行：你貼上的文字由頁面處理，不會傳輸到任何伺服器，也不會寫進任何紀錄。
本工具免費且免登入，執行結果只存在於你目前的頁面裡，不會被儲存到任何地方。
它要花多少
本工具完全免費，不需要登入，也不消耗點數。
常見問題
- 我的 Python 流程會得到相同的區塊嗎？
- 會，只要設定相同：RecursiveCharacterTextSplitter(chunk_size=…, chunk_overlap=…, separators=["\n\n", "\n", "。", "！", "？", ". ", "! ", "? ", "；", "; ", "，", ", ", " ", ""], keep_separator="end")。Token 模式則要再加上以 tiktoken 的 cl100k_base 計數的 length_function。LangChain 本身的預設分隔符會忽略中文標點，這就是中文文字用預設值切得很糟的原因。
- 區塊大小和重疊該設多少？
- 常見的起點是 500–1,000 個字元或 200–400 個 Token，重疊 10–20%。區塊越小，比對越精準，但每次命中帶回的上下文越少；區塊越大則相反。用你的真實文件在這裡試試，並讀一讀切出來的區塊：每一塊都應該能單獨看得懂。
- 為什麼有些區塊的重疊比預期的短？
- 重疊是上限，不是保證。切分器只會帶過完整的片段，而且會從前面丟掉片段，直到下一個片段能放進區塊大小為止，所以一個很長的句子可能讓重疊完全沒有空間。LangChain 的行為也是如此。
- 支援 Markdown 標題切分或語意切塊嗎？
- 不支援。它做的是遞迴字元切分，也就是大多數流程預設使用的方式。依標題切分和以嵌入為基礎的語意切分需要不同的邏輯，語意切分還需要嵌入模型；在這裡，空行和標題本來就是最強的切分邊界。
背後的開源專案
本工具是獨立實作，並未打包第三方函式庫。langchain-ai/langchain（MIT）在程式碼層面做的是同一件事——如果你需要在自己的程式裡實作它，從那裡開始，而不是呼叫一個網頁。
langchain-ai/langchain也常被稱作
- rag 切塊
- 文字切塊工具
- chunk size overlap
- recursivecharactertextsplitter
- langchain 文字分割
- 文件切塊