飞书文档、表格和图片如何切分？

核心回答

我会先把飞书里的内容按文档结构、表格记录和图片证据分别解析，再形成可以关联、检索和回到原位置的 Chunk，不把三种内容先压成一段纯文本统一截断。

普通文档按标题、段落、列表和代码等结构组织，过长部分再按预算切；表格保留表头、单位、行列和相关说明，较大表按完整记录分组；图片结合 OCR、图注或视觉理解形成检索描述，同时保存原图与正文位置的关联。所有块带来源、版本、类型、位置和适用权限，检索后按需要补回父段、表头或原图，最后用各类问题验证解析和证据是否完整。

文档：先保留结构，再处理长度

能够取得结构化内容时，先恢复标题层级、段落顺序与嵌套关系，再按章节组织。单个结构单元过长，才进一步按句段和 Token 预算拆分；列表引导语、代码围栏和对应说明尽量保持关系。

例如某节先写适用版本，后列处理步骤，子块需要保留标题路径和条件关联，避免只命中步骤却丢失适用范围。可以采用父子关联：小块用于定位，较完整的段落组用于阅读；父段仍受权限与上下文预算限制。

文档中嵌入的电子表格、普通表格和图片要分别进入相应处理流程，原位置保留关联。若只取得导出的 Markdown 或 PDF，也要检查导出是否丢了嵌套、列关系或图片，不能把导出成功等同于解析完整。

表格：让一条记录还能独立读懂

先识别工作表、数据区域、表头、合并单元格和单位。小表可整体保存；大表按完整行或业务记录组切分，每块重复必要表头，并带表名、字段和值的对应关系。宽表还要围绕记录主键保留列关联，不能把一行切成互相无法辨认的几段。

例如“产品、版本、温度上限（℃）”三列，检索块应能读成某产品某版本的温度上限，而不只是一串数字。合并表头需要展开或保留层级，空值与继承上行含义要区分；计算结果、公式和单元格错误也按任务需要保留来源。

精确汇总、筛选与跨行统计，适合进一步交给受控的结构化查询或计算，而非让模型只凭向量召回的几行估算全表。检索可以帮助找到表与字段，计算过程仍要覆盖实际数据范围。

图片：文字、图示和原文位置一起考虑

截图和扫描文本可以先做 OCR；流程图、架构图和统计图还需要识别节点关系、图例、轴、单位或趋势。文字识别正确不等于理解箭头或曲线，因此按图片用途选择处理方式。

检索描述中说明图片主题、关键对象与关系，保留附近标题、图注和原始位置。描述用于检索，不当作原图的无损替代；问题依赖精确数字、方向或细节时，取回有权限的原图进一步核对。图片链接、文件名或 alt 文字本身，不能证明这些内容已经被识别。

一个图文步骤跨页或一张图对应多个段落时，保存相互关联，检索命中其中一部分后按需要补回。装饰图可以跳过，避免每张图都做昂贵视觉处理。遇到识别不清的关键内容，保留待处理状态，不能生成一个看似完整的数值填进去。

更新、权限与验证怎样配套

给块保存稳定来源标识、文档或表格位置、版本与内容类型；图片描述还关联原图版本。内容变化后，替换相关块及关联，清除失效索引，防止新表头配旧行、描述配旧图。

检索和扩展都检查权限，不能因一个子块可读就返回整份受限表格或父文档。测试分别覆盖正文条件、表格同名字段与单位、合并单元格、图片中的文字和关系，再看跨类型问题是否能取得完整证据。

评估时对照原文检查解析保真，记录证据覆盖、引用定位、答案质量与处理成本。只有某些复杂图片或大表失败时，针对该类补解析或结构化查询，不必重建全部文档管线。

参考资料