1.适用业务场景

分段优化思路

尽量保证相同语义的文本切割在一个段落，因为段落字符数限制无法分成一段的，可以通过段落重叠字符进行段落之间的关联，让模型在检索时，可以增加被同时检索到的概率，综合理解输出结果。

结构性内容分段案例

1.适用业务场景

建议进行自定义分段（如下文的的自定义分段方式），要尽量保证同一结构内的文本切割在一个段落。

 • 最大段落字符：先看一下原文结构中，每个结构内的字符数平均是多少，就将最大段落字符数设置为多少左右，大概选几个有代表性的段落计算平均字符数即可。比如示例文件，是一问一答结构，共有 2 个段落，平均字符数是 340 个字符，最大段落字符数设置就为 340 个字符。

• 段落重叠字符：分段后的段落之间不需要上下文关联理解，因此段落重叠字符设置为 0。若因为段落字符数限制无法分成一段的，可以通过段落重叠字符进行段落之间的关联，让模型在检索时，可以增加被同时检索到的概率，综合理解输出结果。

• 分段方式：文档中比较鲜明的结构时，每组问答都有标记"问"、"答"，而我们希望可以按照一问一答的结构进行分段，则可以将"问"作为分段符号，且在"问"符号前进行分段，就可以得到一问一答结构的分段结果了。

Excel 数据类内容分段案例

1.适用业务场景

2.检索结果测试

（1）统计分析场景

向智能体询问数据统计类的问题：2023年1月22日上映了几部电影?

智能体润色输出结果如下：

模型检索分段情况如下：

（2）非统计分析场景

向智能体询问非统计类的问题：封神第一部，一共上映了多少场?

智能体润色输出结果如下：

3.文档分段思路总结

推荐使用自定义分段，尽量保证输入给模型的原始数据的完整性，最终的统计结果正确率才会高具体的分段结果可下载示例文件创建知识库后查看

• 最大段落字符：为了保证检索段落的完整性，需要将最大段落字符数设置到最大限制的 512 个字符。

• 段落重叠字符：为了减少重叠字符占用段落的字符数容量，段落重叠字符需要设置为 0。

• 分段方式：表格类型的数据可以直接按行切割，分段方式选择"换行"。

分段优化思路

因模型限制知识库最多可输出 2000 字符，则尽可能的将需要计算的数据分到 1~3 个分段中。较大量级的数据统计，建议上传的 Excel 表格不要超过 2 列，才能保证输入给模型的 3 个段落中，已包含统计所需的所有数据。

注意：

1. 表头对分段结果的检索非常重要，是模型理解数据的关键信息，因此数据表头需要具有明确的语义，尽量不要使用模型无法理解的生僻词汇。

2. 对于有统计分析需要的插件或者智能体，需要在插件或者智能体的指令提示中，说明详细的计算步骤，可以提升模型统计结果的准确性。

附件1：装在套子里的人（略，网络搜索）

附件2：文心智能体平台常见问答

常见问答

问：助手头像&名称怎么填？

问：文字类指令怎么写？

问：图片类指令怎么写？

附件3：2023年电影票房数据