RAG（检索增强生成）流程的基本步骤是什么？	接收源文档 -> 将文档分块 (Chunking) -> 检索相关文本 -> 生成答案。
为什么文档分块（Chunking）是RAG流程中至关重要的一步？	分块策略直接决定了检索到的上下文质量，不良的分块可能导致主题混淆。
什么是基于大小的分块（Size-based chunking）？	将大型文档分割成固定长度的文本片段。
默认的块（Chunk）设置是什么？	块长度为150，重叠度为20。
调整块设置（如增加长度和重叠度）的目的是什么？	提高每个块的意义和信息量。
“按句子分块”（Chunk by Sentence）策略是如何工作的？	使用正则表达式按句子分割文本。
“按章节分块”（Chunk by Section）策略适用于哪种类型的文档？	结构明确、有固定章节的文档。
使用“按章节分块”策略的主要局限性是什么？	无法保证文档结构，不适用于无结构文档。
在所有分块策略中，哪一种被认为是“最可靠”的？	按字符分块（Chunk by Character）。
为什么“按句子分块”不适合处理代码？	代码中可能存在不符合预期的句号。
选择哪种分块策略取决于什么？	文档的性质和结构保证。