适用场景：法律法规、合同条款、行业合规手册、地方建设标准、司法解释等结构化但语义复杂的文档。 目标：在 RAGFlow 中实现条款级精准检索、零偏差法条引用、跨条款关联推理。
一、解析方法（Chunk Method）选择
| 选择 | 适用情况 | 说明 |
|---|---|---|
| Laws（首选） | 标准法规、条款编号清晰（第X章/第X条/Article N） | RAGFlow 官方为法律文档专门设计的模板，自动识别条款边界，保持条款完整性 |
| General + 自定义分段 | 条款层级复杂（含司法解释嵌套）、混合内容 | 配合"按标题分层（By Title）"使用，灵活性更高 |
| Manual | 章节分明的合规手册 | 按章节标题切分，保留模块化结构 |
RAGFlow 源码参考：
rag/app/laws.py，使用正则第[零一二三四五六七八九十百0-9]+条与Article [0-9]+识别条款。
二、核心切片参数
| 参数 | 推荐值 | 说明 |
|---|---|---|
| 块 Token 数（Chunk Size） | 512（普通条款）/1024（含释义的长条款） | 匹配中文法律条款平均长度，避免拆裂条款 |
| Chunk Overlap（重叠率） | 20% – 25% | 法规条款常有"依前款规定…"互引，需保留上下文 |
| 分段标识符（Delimiters） | \n+ 正则第[零一二三四五六七八九十百千0-9]+条+[；。！？] | 中文法规标点适配，；用于并列款项 |
| 布局识别 | 开启表格识别 + 多栏文本重组 | 处理附表、罚则对照表 |
| OCR 引擎 | DeepDoc（默认）/ PaddleOCR 4.0+ | 扫描版法规、手写批注识别更稳 |
| 标题层级感知 | 启用，正则\d+章\|\d+条\|\d+款 | 保持"章—节—条—款—项"层级结构 |
三、嵌入与检索配置
3.1 嵌入模型
中文法规：
BAAI/bge-large-zh-v1.5（中文语义最佳，法律术语嵌入效果突出）跨语种 / 长条款：
BAAI/bge-m3（支持长文本、多语种）英文法律：
nomic-embed-text或text-embedding-3-large
重要：一旦数据集已生成 chunks，无法切换嵌入模型，必须删除现有 chunks 才能更换。
3.2 混合检索策略
| 策略 | 权重 | 作用 |
|---|---|---|
| 向量相似度（Vector） | 0.7 | 语义相似匹配，"合同" ≈ "契约" |
| 关键词 BM25 | 0.3 | 法律术语精确匹配 |
| 相似度阈值 | 0.2 – 0.3 | 过高会漏召回相邻条款 |
| Top-K |
