WeKnora 分块Chunking完全指南自适应三层策略、参数调优与实战配置【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora导读本文以 WeKnora 开源项目的官方分块指南docs/CHUNKING.md为骨架结合仓库内internal/infrastructure/chunker分块器源码与internal/handler/chunker_debug.go预览端点实现系统讲解 WeKnora 在上传文档后进行向量化embedding之前如何切片、默认参数为何如此设定、以及何时应该调整。读完本文你将掌握 WeKnora 的四档策略选择逻辑auto/heading/heuristic/legacy、核心与父子Parent-Child分块的参数含义与推荐取值、针对不同嵌入模型Embedding Model的tokenLimit配置表、UI 预览调试方法以及通过 REST API 写入分块配置的完整请求格式。为什么分块Chunking如此重要检索增强生成RAG的工作机制是把文档切成小片chunk对每一片做向量化后写入向量索引查询时再拉取最相关的切片交给 LLM 生成答案。因此文档的切片方式——块大小、重叠量、切点落在哪里——直接决定检索召回率recall与最终答案质量。据项目文档引用的 Vecta 2026 年 2 月基准覆盖 50 篇学术论文的实证结论约 512 token、约 15% 重叠的递归式recursive切分是单一参数调节下的最强基线端到端准确率可达 69%优于语义分块semantic chunking和过度设计的混合方案。WeKnora 正是以此为地基再在文档本身提供结构线索时叠加更聪明的分层策略。源码佐证这一默认值并非拍脑袋定的。在 internal/infrastructure/chunker/splitter.go 中DefaultChunkSize 512约 100–130 个英文 token / 约 300 个中文字符、DefaultChunkOverlap 80约占 ChunkSize 的 15%注释明确写明其依据正是 Vecta 2026 年 2 月基准并将历史版本中三种不同的重叠默认值Go 的 64、knowledge 服务的 50、Python docreader 的 100统一收敛为 80作为整个 chunker 包以及 knowledge 服务的唯一数据源。自适应三层分块Adaptive 3-tier ChunkingWeKnora 将分块策略设计为自适应adaptive三层结构。每套知识库Knowledge Base可以通过编辑器侧边栏的Chunking面板或 KB 配置 API 上的strategy字段设置策略何时被选用具体行为auto推荐新建 KB 的默认值先对文档做画像profiling再从下述链路中挑选最强的一层。headingMarkdown 风格结构沿#/##/###标题边界切分。每个 chunk 在 embedding 时会前置一个面包屑上下文头如# Top ## Section。heuristicPDF 风格结构沿换页符form-feed / 分页符、编号章节、多语言章节标记德 / 英 / 中、全大写标题、视觉分隔线等信号切分。legacy等价于recursive其他任何情况或作为兜底纯基于分隔符的递归切分器——新版已修复优先级递归与重叠量计算问题。文档画像器Profiler与校验器Validator整个流程首先运行一个文档画像器统计结构性信号计数Markdown 标题数量、换页符数量、各语言的章节标记、全大写行、视觉分隔线、空行簇blank-line bursts等。auto策略根据这些计数决定采用哪一层随后由校验器Validator拒绝明显损坏的输出例如 heading 切分器产出 200 个单行 chunk并自动降级到下一层保证总能返回可用的结果。源码佐证策略常量与降级逻辑定义在 internal/infrastructure/chunker/strategy.goStrategyAuto/StrategyHeading/StrategyHeuristic/StrategyRecursive/StrategyLegacy。Split函数通过resolveChainWithProfile解析出 tier 链后逐层尝试ValidateChunks校验失败即记录 rejection 并继续下一层链上最后兜底的永远是legacy递归切分器保证总会返回非空结果。文档画像逻辑位于 internal/infrastructure/chunker/profiler.go各层切分器分别在heading_splitter.go与heuristic_splitter.go中实现。设置参考Settings Reference核心参数Core设置项取值范围默认值适用场景建议Chunk size块大小100–4000 字符512默认值适用于大多数场景。FAQ / 原子化问答建议 200–400叙事型长文建议 1000–2000。Chunk overlap块重叠0–500 字符80约 15%FAQ 与结构化记录建议 0常规文档用默认 80论证型文本推理跨越多个块建议 150–200。Separators分隔符字符串列表[\n\n, \n, 。, , , ;, ]顺序很重要——切分器优先尝试高优先级分隔符只有当某段仍然超长时才回退到低优先级分隔符。父子分块Parent-Child ChunkingWeKnora 提供两级检索机制**子块child chunks**尺寸小负责向量匹配embedding for vector match**父块parent chunks**尺寸大检索命中后被回传给 LLM 作为上下文。设置项取值范围默认值说明Enable parent-child启用父子分块开关开超过 10 页的文档推荐开启。简短 FAQ 可关闭以减半存储成本。Parent chunk size父块大小512–8192 字符4096约 1000 英文 token长上下文 LLMClaude、GPT-4-Turbo可调大本地 4k 上下文的 LLM 建议调小到 1024–2048。Child chunk size子块大小64–2048 字符384约 95 英文 tokenQA 式精确匹配建议 128–256若嵌入模型支持 1000 token如 E5 / BGE-large可调到 512–1024。源码佐证ChunkingConfig结构体完整定义了上述字段及其语义注释见 internal/types/knowledgebase.goEnableParentChild开启后大父块提供上下文、小子块用于向量匹配检索匹配子块但返回父块内容ParentChunkSize默认 4096、ChildChunkSize默认 384仅在开启父子分块时生效。Chunk结构体internal/infrastructure/chunker/splitter.go同时提供EmbeddingContent()方法embedding 时在 chunk 内容前拼接ContextHeader面包屑上下文而Content本身保持与原文逐字符一致从而保留位置不变量。高级参数Advanced设置项取值范围默认值何时设置Token limitToken 上限0–81920关闭当你的嵌入模型有较小的 token 上限时启用具体见下表。Languages语言de/en/zh可多选空自动检测语料同质化时显式设置可收窄 heuristic 模式的匹配范围。各嵌入模型对应的 Token 上限配置表嵌入模型Token 上限推荐的tokenLimit设置OpenAItext-embedding-3-small/large81910保持关闭Anthropic Voyage-3320000Jina-embeddings-v381920Cohereembed-multilingual-v3512400BGE-base / BGE-large / E5-large512400Sentence-Transformerall-MiniLM-L6-v2256200经验法则任何 token 上限超过 2000 的现代嵌入模型tokenLimit一律保持 0关闭对小型嵌入模型则建议设为模型硬上限的 80%这样即使是信息密度更高的 CJK中日韩内容块也始终能放得下。源码佐证TokenLimit字段语义在 internal/types/knowledgebase.go 中定义为以近似 token 数限制块大小0 使用 ChunkSize 作为字符数。预览端点则通过chunker.ApproxTokenCountFromRuneLen依据检测到的语言估算每个块约消耗多少 token见 internal/handler/chunker_debug.go语言混合文本按首选检测语言估算。用例预设Use-case Presets文档给出了七类典型工作负载的推荐组合可直接作为配置起点工作负载策略ChunkSizeOverlap父子分块FAQ / QA 知识库auto很可能落到 legacy200–4000关Markdown 文档 / Wikiauto落到 heading51280开带分页的 PDF 报告auto落到 heuristic800–1200100–150开长篇叙事书籍、文章auto落到 recursive1000–2000150–200开代码文档legacy800100可选混合语言语料autolanguages 留空51280开表格报告 / CSV 衍生数据legacy4000关在 UI 中调试Debugging in the UI知识库编辑器的Chunking侧边栏底部有一个Test with sample text用示例文本测试折叠面板操作流程粘贴一段 Markdown / 纯文本片段最大 64 KB点击Run preview运行预览面板将展示选中的策略层以彩色标签呈现被拒绝的层及原因例如 too many tiny chunks文档画像标题计数、换页符、章节标记、检测到的语言完整 chunk 集合的尺寸统计平均 / 最小 / 最大 / 标准差每个 chunk 的卡片字符数与近似 token 数、位置区间、章节面包屑若设置了、内容预览。该预览以只读方式运行通过 goroutine 隔离的切分过程执行5 秒超时——不写数据库、不调用 embedding API。可以在触发重新上传之前用同一段样本来比较不同配置的效果。源码佐证上述能力对应POST /api/v1/chunker/preview端点实现在 internal/handler/chunker_debug.go。实现细节值得注意输入上限previewMaxChars 64 * 1024按 rune 计数返回 chunk 上限previewMaxChunks 500但统计量始终基于完整chunk 集合计算后再截断保证 avg/min/max/stddev 具有代表性由于切分器是纯 CPU 密集型且不接受context.Context处理器把切分放进 goroutine超时previewTimeout 5s时返回 504但工作 goroutine 会自然跑完——64k 字符上限正是针对重复认证请求下 goroutine 堆积的主要缓解措施见文件头部安全注释。请求体PreviewChunkingRequest接受text与 snake_case 的chunking_config响应体包含selected_tier、tier_chain、rejected拒绝原因、profile文档画像、chunks与stats六个部分。通过 API 配置分块有三个端点可以写入分块配置。其中KB-config 更新端点与编辑器 UI 直接关联使用camelCase命名并在documentSplitting信封内传递PUT /api/v1/initialization/config/:kbId Authorization: Bearer jwt Content-Type: application/json { documentSplitting: { chunkSize: 512, chunkOverlap: 80, separators: [\n\n, \n, 。, , , ;, ], strategy: auto, tokenLimit: 0, languages: [de, en], enableParentChild: true, parentChunkSize: 4096, childChunkSize: 384 } }服务端对strategy、tokenLimit、languages这三个字段使用基于指针的 DTO请求体中省略它们表示不更改显式发送空字符串 / 0 / 空数组则重置为默认值。KB CRUD 端点POST /api/v1/knowledge-bases、PUT /api/v1/knowledge-bases/:id接受相同字段但使用snake_case并放在chunking_config信封下{ chunking_config: { chunk_size: 512, chunk_overlap: 80, strategy: auto, token_limit: 0, languages: [de, en], enable_parent_child: true, parent_chunk_size: 4096, child_chunk_size: 384 } }预览端点POST /api/v1/chunker/preview同样使用 snake_case 形式此外还多一个text字段用于携带待切分的样本。源码佐证分块配置在内核中的完整字段模型含 YAML / JSON 双标签、默认值与语义注释见 internal/types/knowledgebase.go预览端点请求/响应结构与上述 snake_case 字段一一对应见 internal/handler/chunker_debug.go。已知权衡Known Trade-offsTier-1 heading-aware 分块的代价与收益会在 embedding 输入前追加章节面包屑每个块多消耗约 5% 的 token但在结构化文档上可减少约 30–50% 的块数量在存储与查询时的 token 上净省。切换策略不会自动重建索引修改 KB 的strategy后必须重新上传受影响的文件或在 UI 中触发重新索引新的分块才会生效。PDF 的 OCR 伪影无法靠切分器修复竖排版式文本被逐字符拆散成独立行的坏结果属于解析器parser侧的限制。heuristic 层仍会将块对齐到页面边界可缓解最坏情况。recursive策略值的存在API 层面为了完整性而保留recursive这个取值但 UI 有意隐藏了它——它在功能上几乎等同于legacy多一个下拉选项反而会稀释用户在自动 / Markdown / heuristic / legacy 四档间的清晰选择。源码佐证recursive与legacy的关系可以在策略常量中找到呼应——internal/infrastructure/chunker/strategy.go 同时定义了StrategyRecursive与StrategyLegacy而Split的兜底逻辑注释明确说明链失败时回退到 legacy 切分器即原始 Tier 3 实现见 internal/infrastructure/chunker/strategy.go。相关参考分块器核心实现internal/infrastructure/chunker/splitter.go默认值常量、Chunk 结构体、递归切分自适应策略选择internal/infrastructure/chunker/strategy.go策略常量、tier 链降级、诊断信息文档画像器internal/infrastructure/chunker/profiler.go预览端点实现与安全设计internal/handler/chunker_debug.go分块配置数据结构internal/types/knowledgebase.go知识库处理服务含构建切分配置的调用链internal/application/service/knowledge_process_config.go服务端测试覆盖策略与诊断逻辑internal/infrastructure/chunker/strategy_diagnostics_test.go、internal/infrastructure/chunker/splitter_test.go官方指南原文docs/CHUNKING.md【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
WeKnora 分块（Chunking）完全指南：自适应三层策略、参数调优与实战配置
WeKnora 分块Chunking完全指南自适应三层策略、参数调优与实战配置【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora导读本文以 WeKnora 开源项目的官方分块指南docs/CHUNKING.md为骨架结合仓库内internal/infrastructure/chunker分块器源码与internal/handler/chunker_debug.go预览端点实现系统讲解 WeKnora 在上传文档后进行向量化embedding之前如何切片、默认参数为何如此设定、以及何时应该调整。读完本文你将掌握 WeKnora 的四档策略选择逻辑auto/heading/heuristic/legacy、核心与父子Parent-Child分块的参数含义与推荐取值、针对不同嵌入模型Embedding Model的tokenLimit配置表、UI 预览调试方法以及通过 REST API 写入分块配置的完整请求格式。为什么分块Chunking如此重要检索增强生成RAG的工作机制是把文档切成小片chunk对每一片做向量化后写入向量索引查询时再拉取最相关的切片交给 LLM 生成答案。因此文档的切片方式——块大小、重叠量、切点落在哪里——直接决定检索召回率recall与最终答案质量。据项目文档引用的 Vecta 2026 年 2 月基准覆盖 50 篇学术论文的实证结论约 512 token、约 15% 重叠的递归式recursive切分是单一参数调节下的最强基线端到端准确率可达 69%优于语义分块semantic chunking和过度设计的混合方案。WeKnora 正是以此为地基再在文档本身提供结构线索时叠加更聪明的分层策略。源码佐证这一默认值并非拍脑袋定的。在 internal/infrastructure/chunker/splitter.go 中DefaultChunkSize 512约 100–130 个英文 token / 约 300 个中文字符、DefaultChunkOverlap 80约占 ChunkSize 的 15%注释明确写明其依据正是 Vecta 2026 年 2 月基准并将历史版本中三种不同的重叠默认值Go 的 64、knowledge 服务的 50、Python docreader 的 100统一收敛为 80作为整个 chunker 包以及 knowledge 服务的唯一数据源。自适应三层分块Adaptive 3-tier ChunkingWeKnora 将分块策略设计为自适应adaptive三层结构。每套知识库Knowledge Base可以通过编辑器侧边栏的Chunking面板或 KB 配置 API 上的strategy字段设置策略何时被选用具体行为auto推荐新建 KB 的默认值先对文档做画像profiling再从下述链路中挑选最强的一层。headingMarkdown 风格结构沿#/##/###标题边界切分。每个 chunk 在 embedding 时会前置一个面包屑上下文头如# Top ## Section。heuristicPDF 风格结构沿换页符form-feed / 分页符、编号章节、多语言章节标记德 / 英 / 中、全大写标题、视觉分隔线等信号切分。legacy等价于recursive其他任何情况或作为兜底纯基于分隔符的递归切分器——新版已修复优先级递归与重叠量计算问题。文档画像器Profiler与校验器Validator整个流程首先运行一个文档画像器统计结构性信号计数Markdown 标题数量、换页符数量、各语言的章节标记、全大写行、视觉分隔线、空行簇blank-line bursts等。auto策略根据这些计数决定采用哪一层随后由校验器Validator拒绝明显损坏的输出例如 heading 切分器产出 200 个单行 chunk并自动降级到下一层保证总能返回可用的结果。源码佐证策略常量与降级逻辑定义在 internal/infrastructure/chunker/strategy.goStrategyAuto/StrategyHeading/StrategyHeuristic/StrategyRecursive/StrategyLegacy。Split函数通过resolveChainWithProfile解析出 tier 链后逐层尝试ValidateChunks校验失败即记录 rejection 并继续下一层链上最后兜底的永远是legacy递归切分器保证总会返回非空结果。文档画像逻辑位于 internal/infrastructure/chunker/profiler.go各层切分器分别在heading_splitter.go与heuristic_splitter.go中实现。设置参考Settings Reference核心参数Core设置项取值范围默认值适用场景建议Chunk size块大小100–4000 字符512默认值适用于大多数场景。FAQ / 原子化问答建议 200–400叙事型长文建议 1000–2000。Chunk overlap块重叠0–500 字符80约 15%FAQ 与结构化记录建议 0常规文档用默认 80论证型文本推理跨越多个块建议 150–200。Separators分隔符字符串列表[\n\n, \n, 。, , , ;, ]顺序很重要——切分器优先尝试高优先级分隔符只有当某段仍然超长时才回退到低优先级分隔符。父子分块Parent-Child ChunkingWeKnora 提供两级检索机制**子块child chunks**尺寸小负责向量匹配embedding for vector match**父块parent chunks**尺寸大检索命中后被回传给 LLM 作为上下文。设置项取值范围默认值说明Enable parent-child启用父子分块开关开超过 10 页的文档推荐开启。简短 FAQ 可关闭以减半存储成本。Parent chunk size父块大小512–8192 字符4096约 1000 英文 token长上下文 LLMClaude、GPT-4-Turbo可调大本地 4k 上下文的 LLM 建议调小到 1024–2048。Child chunk size子块大小64–2048 字符384约 95 英文 tokenQA 式精确匹配建议 128–256若嵌入模型支持 1000 token如 E5 / BGE-large可调到 512–1024。源码佐证ChunkingConfig结构体完整定义了上述字段及其语义注释见 internal/types/knowledgebase.goEnableParentChild开启后大父块提供上下文、小子块用于向量匹配检索匹配子块但返回父块内容ParentChunkSize默认 4096、ChildChunkSize默认 384仅在开启父子分块时生效。Chunk结构体internal/infrastructure/chunker/splitter.go同时提供EmbeddingContent()方法embedding 时在 chunk 内容前拼接ContextHeader面包屑上下文而Content本身保持与原文逐字符一致从而保留位置不变量。高级参数Advanced设置项取值范围默认值何时设置Token limitToken 上限0–81920关闭当你的嵌入模型有较小的 token 上限时启用具体见下表。Languages语言de/en/zh可多选空自动检测语料同质化时显式设置可收窄 heuristic 模式的匹配范围。各嵌入模型对应的 Token 上限配置表嵌入模型Token 上限推荐的tokenLimit设置OpenAItext-embedding-3-small/large81910保持关闭Anthropic Voyage-3320000Jina-embeddings-v381920Cohereembed-multilingual-v3512400BGE-base / BGE-large / E5-large512400Sentence-Transformerall-MiniLM-L6-v2256200经验法则任何 token 上限超过 2000 的现代嵌入模型tokenLimit一律保持 0关闭对小型嵌入模型则建议设为模型硬上限的 80%这样即使是信息密度更高的 CJK中日韩内容块也始终能放得下。源码佐证TokenLimit字段语义在 internal/types/knowledgebase.go 中定义为以近似 token 数限制块大小0 使用 ChunkSize 作为字符数。预览端点则通过chunker.ApproxTokenCountFromRuneLen依据检测到的语言估算每个块约消耗多少 token见 internal/handler/chunker_debug.go语言混合文本按首选检测语言估算。用例预设Use-case Presets文档给出了七类典型工作负载的推荐组合可直接作为配置起点工作负载策略ChunkSizeOverlap父子分块FAQ / QA 知识库auto很可能落到 legacy200–4000关Markdown 文档 / Wikiauto落到 heading51280开带分页的 PDF 报告auto落到 heuristic800–1200100–150开长篇叙事书籍、文章auto落到 recursive1000–2000150–200开代码文档legacy800100可选混合语言语料autolanguages 留空51280开表格报告 / CSV 衍生数据legacy4000关在 UI 中调试Debugging in the UI知识库编辑器的Chunking侧边栏底部有一个Test with sample text用示例文本测试折叠面板操作流程粘贴一段 Markdown / 纯文本片段最大 64 KB点击Run preview运行预览面板将展示选中的策略层以彩色标签呈现被拒绝的层及原因例如 too many tiny chunks文档画像标题计数、换页符、章节标记、检测到的语言完整 chunk 集合的尺寸统计平均 / 最小 / 最大 / 标准差每个 chunk 的卡片字符数与近似 token 数、位置区间、章节面包屑若设置了、内容预览。该预览以只读方式运行通过 goroutine 隔离的切分过程执行5 秒超时——不写数据库、不调用 embedding API。可以在触发重新上传之前用同一段样本来比较不同配置的效果。源码佐证上述能力对应POST /api/v1/chunker/preview端点实现在 internal/handler/chunker_debug.go。实现细节值得注意输入上限previewMaxChars 64 * 1024按 rune 计数返回 chunk 上限previewMaxChunks 500但统计量始终基于完整chunk 集合计算后再截断保证 avg/min/max/stddev 具有代表性由于切分器是纯 CPU 密集型且不接受context.Context处理器把切分放进 goroutine超时previewTimeout 5s时返回 504但工作 goroutine 会自然跑完——64k 字符上限正是针对重复认证请求下 goroutine 堆积的主要缓解措施见文件头部安全注释。请求体PreviewChunkingRequest接受text与 snake_case 的chunking_config响应体包含selected_tier、tier_chain、rejected拒绝原因、profile文档画像、chunks与stats六个部分。通过 API 配置分块有三个端点可以写入分块配置。其中KB-config 更新端点与编辑器 UI 直接关联使用camelCase命名并在documentSplitting信封内传递PUT /api/v1/initialization/config/:kbId Authorization: Bearer jwt Content-Type: application/json { documentSplitting: { chunkSize: 512, chunkOverlap: 80, separators: [\n\n, \n, 。, , , ;, ], strategy: auto, tokenLimit: 0, languages: [de, en], enableParentChild: true, parentChunkSize: 4096, childChunkSize: 384 } }服务端对strategy、tokenLimit、languages这三个字段使用基于指针的 DTO请求体中省略它们表示不更改显式发送空字符串 / 0 / 空数组则重置为默认值。KB CRUD 端点POST /api/v1/knowledge-bases、PUT /api/v1/knowledge-bases/:id接受相同字段但使用snake_case并放在chunking_config信封下{ chunking_config: { chunk_size: 512, chunk_overlap: 80, strategy: auto, token_limit: 0, languages: [de, en], enable_parent_child: true, parent_chunk_size: 4096, child_chunk_size: 384 } }预览端点POST /api/v1/chunker/preview同样使用 snake_case 形式此外还多一个text字段用于携带待切分的样本。源码佐证分块配置在内核中的完整字段模型含 YAML / JSON 双标签、默认值与语义注释见 internal/types/knowledgebase.go预览端点请求/响应结构与上述 snake_case 字段一一对应见 internal/handler/chunker_debug.go。已知权衡Known Trade-offsTier-1 heading-aware 分块的代价与收益会在 embedding 输入前追加章节面包屑每个块多消耗约 5% 的 token但在结构化文档上可减少约 30–50% 的块数量在存储与查询时的 token 上净省。切换策略不会自动重建索引修改 KB 的strategy后必须重新上传受影响的文件或在 UI 中触发重新索引新的分块才会生效。PDF 的 OCR 伪影无法靠切分器修复竖排版式文本被逐字符拆散成独立行的坏结果属于解析器parser侧的限制。heuristic 层仍会将块对齐到页面边界可缓解最坏情况。recursive策略值的存在API 层面为了完整性而保留recursive这个取值但 UI 有意隐藏了它——它在功能上几乎等同于legacy多一个下拉选项反而会稀释用户在自动 / Markdown / heuristic / legacy 四档间的清晰选择。源码佐证recursive与legacy的关系可以在策略常量中找到呼应——internal/infrastructure/chunker/strategy.go 同时定义了StrategyRecursive与StrategyLegacy而Split的兜底逻辑注释明确说明链失败时回退到 legacy 切分器即原始 Tier 3 实现见 internal/infrastructure/chunker/strategy.go。相关参考分块器核心实现internal/infrastructure/chunker/splitter.go默认值常量、Chunk 结构体、递归切分自适应策略选择internal/infrastructure/chunker/strategy.go策略常量、tier 链降级、诊断信息文档画像器internal/infrastructure/chunker/profiler.go预览端点实现与安全设计internal/handler/chunker_debug.go分块配置数据结构internal/types/knowledgebase.go知识库处理服务含构建切分配置的调用链internal/application/service/knowledge_process_config.go服务端测试覆盖策略与诊断逻辑internal/infrastructure/chunker/strategy_diagnostics_test.go、internal/infrastructure/chunker/splitter_test.go官方指南原文docs/CHUNKING.md【免费下载链接】WeKnoraOpen-source LLM knowledge platform: turn raw documents into a queryable RAG, an autonomous reasoning agent, and a self-maintaining Wiki.项目地址: https://gitcode.com/GitHub_Trending/we/WeKnora创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
