知识库文档如何合理分段
根据文档结构，如何把内容进行合理分段对于后续的知识库检索匹配十分重要，按照标题进行切分是最常见的方式。 MaxKB 默认按照智能分段以及高级分段这两种规则上传的文档进行切分，这两种规则本质都是根据分段标识以及字符数进行截取，对于样式规范(指的是使用了多级标题的样式)的文档，可以获得预期的效果。
那么对于看起来有规律但又没有采用规范的标题样式的文档，如下图展示的文档，应该如何进行合理地分段？
图 1 待分段的文档示例
MaxKB 默认的切分规则，本质上是按照特定的正则表达式进行切分，除此之外在高级分段规则中还支持手动输入正则表达式进行切分，这样就可以根据文档规律的表达方式进行合理地分段。
1 常见分段标识及其正则表达
表 1 分段标识与正则表达对照
| 场景 | 样例 | 表达式 |
|---|---|---|
| 章标题 | 第一章 RAG与大模型应用 | [第][一二三四五六七八九十]+[章] |
| 节标题 | 第一节 大模型应用的方向：RAG | [第][一二三四五六七八九十]+[节] |
| 数字标题 | 一、 RAG与大模型应用 1.1 大模型应用的方向：RAG | `[一二三四五六七八九十 |
| 条目 | 第一条：本公司员工均应遵守以下规定。 | [第][一二三四五六七八九十]+[条] |
2 操作及效果
将上传文档后，如果选择默认的分段规则，分段预览效果不佳，可以使用高级分段。
图 2 默认分段效果
图 3 高级分段效果
为了有效分段，需要在分段标识手动输入分段标识的正则表达式 [第][一二三四五六七八九十]+[条]（注意：输入后需要回车才生效），长度设置为单个段落的最大长度，然后点击生成预览。
从预览结果可以看到，每一条都完整地切分为一个段落，保证了语义的完整性。
图 4 重新分段后的效果