本课目标： 组织自洽片段，并理解分块规则由系统决定。

原文题名： 语义块组织与分块适配

技术背景

典型 RAG 实现可能把网页或文档切成若干 chunk，并为片段建立向量或词项索引；也有系统以页面、段落、多粒度索引或搜索结果为单位。LangChain、LlamaIndex 等框架支持基于 HTML 标签的分块，但外部商业产品是否采用同样策略通常不可见。清晰结构的直接价值，是改善阅读和为解析提供边界线索。

GEO 策略

把内容按语义完整的「块」来组织，用 HTML 结构提供边界线索，尽量让每个块能独立被理解；是否按这些边界切块和检索取决于实现。

落地动作

• 每个 <section> + <h2> 标题 + 导语段落构成一个完整信息单元
• 每个块要自包含——不依赖上下文就能独立理解，避免「如上所述」「承接前文」
• 每个块至少明确回答一个核心意图；必要时补充 Why 或 How
• 块大小按用途区分：页面级主答案块可参考约 200—400 个中文汉字，FAQ 或局部答案块可参考约 100—200 个中文汉字（均为写作经验区间，不是平台切块规范）
• 过短可能缺少主语、条件或证据；过长可能混入多个子问题。没有适用于所有系统的固定字数边界，应按内容完整性和实际测试调整

图解

一个片段应自带主题、条件、结论与依据。字数和 HTML 标签不是所有系统通用的切块控制器。

因果逻辑详解

片段被检索时可能单独出现，也可能与相邻片段、页面标题或其他来源一起进入上下文。作者无法预知具体组合，因此关键段落最好自带必要主语、条件和证据。以「如上所述」开头并非一定失效，但脱离上下文后更容易丢失指代。

HTML 结构标签在切块中的作用：如果你的页面每个 <section> 都有清晰的 <h2> 标题和导语段落，支持并采用 HTML 结构分块的解析器可以利用这些边界；按固定长度、语义变化或其他方式分块的系统则未必如此。但如果页面没有清晰的结构标记，算法可能粗暴地按字数截断，在一句话中间切开，产生残缺碎片。

「分块 → 建索引 → 检索 → 重排序或筛选 → 组织上下文 → 生成」是常见的解释模型，不是所有产品的固定流水线。内容结构可能影响正文提取和分块，但后续结果还取决于检索、来源选择和生成策略。

相关策略： 策略 05（信息前置）、策略 14（HTML 语义结构）

动手练习

截取文章中一个段落，脱离上下文检查主语、条件、结论和证据是否齐全。

完成后，记录你改了什么、依据是什么、还有哪些条件没有验证。

---

GEOBOK · 专注GEO · 让你的内容成为 AI 的首选答案