最近在做一个企业知识库问答的Agent，用LangChain搭的RAG流程。现在卡在chunk切分上——按固定字符（比如500字带overlap）切，检索出来的片段经常断在句子里，LLM回答起来前言不搭后语；试了按段落/标题切，又感觉粒度太粗，小问题召回率明显下降。还试过用embedding做语义切分，但效果不太稳定，而且处理几百个PDF时耗时感人。想请教下各位实际项目里是怎么平衡的？有没有比较成熟的切分策略或者工具？另外像表格、代码块这类特殊内容是不是应该单独处理？先谢过各位大佬了。