直接回答：分块策略从粗到细：定长切分（按 token 数硬切，最简单但会切断语义）、递归切分（优先按段落/句子边界切，LangChain 默认方案）、结构感知切分（按 Markdown 标题、HTML 标签、代码函数边界）、语义切分（相邻句子 embedding 距离突变处断开）。块大小没有银弹，经验值 256~512 token、重叠 10%~20%，最终靠检索评测集调出来。

展开解析：块大小的本质权衡：块小则向量语义聚焦、召回精确，但上下文残缺、答案可能跨块；块大则上下文完整，但向量被多主题稀释、且挤占 prompt 空间。两种进阶方案可以兼得：一是"父子索引"——按小块检索、返回所属大块；二是"句子窗口"——按单句检索、拼接前后 n 句。代码库适合按 AST 函数边界切；FAQ 类文档天然按问答对切，不必再细分。表格要么整表一个块、要么转成结构化查询，切忌行级切碎。分块策略变更意味着全量重建索引，上线前要用固定评测集对比召回率，而不是拍脑袋。

追问方向：chunk 元数据应该带哪些字段？多模态文档（图文混排）怎么切？为什么说分块是 RAG 里被低估的环节？

（约 440 字）