长文档问答如何设计？全文塞入、分段检索和结构化摘要该怎么选？
面试里问到长文档问答设计，本质上是在考你对 RAG 系统完整链路的理解。这道题看起来问的是"选哪个方法"，其实考的是你能不能根据实际场景做出合理判断。核心就一个：文档长度和业务需求决定技术选型。
知识库问答的六步流程
先搞清楚整个系统是怎么跑起来的，不然谈什么选型？
整个流程分六步：
- 用户提问 —— 你问了一个问题
- 问题向量化 —— 把问题转成计算机能理解的向量
- 检索相关片段 —— 在文档库里找出和问题相关的部分
- 拼接上下文 —— 把检索到的片段组合在一起
- 调用大模型生成回答 —— 把上下文和问题一起喂给 LLM
- 返回结果 —— 得到最终答案
把这套流程想象成"图书馆管理员找书"。你提出借阅需求（提问），管理员先把你的需求翻译成图书馆的语言（向量化），然后按关键词或主题去找书（检索），找到的书页夹在一起给你（拼接上下文），最后你读完这些内容自己总结出答案（生成回答）。
理解了这个流程，你才知道每一步该用什么方法、可能出现什么问题。
三种文档处理方法，到底怎么选？
这是这道题的核心。三种方法分别是全文塞入、分段检索和结构化摘要，选哪个看两个东西：文档有多长、你需要多精准。
全文塞入
把所有文档内容直接塞进上下文窗口。好处是简单，不用考虑切分和检索，模型能直接看到完整内容。坏处是上下文太长会导致两个问题：成本飙升和召回率下降——模型在超长文本里找关键信息的能力会退化。
适用场景：文档在几千 token 以内，内容不太长的时候可以用。比如产品说明书、简短的 FAQ、单个文档的问答。
分段检索
把文档切成多个片段，分别存储向量。用户提问时，先检索出最相关的几个片段，再拼接到上下文里。这是目前最主流的方案，平衡了精准度和成本。
适用场景：文档长度在几千到几万 token，需要精准召回的场景。比如技术文档、合同条款、详细的操作手册。
结构化摘要
先给文档生成一个摘要，检索时优先找摘要，摘要不够详细再回源文档。好处是检索效率高，模型能快速了解文档全貌；坏处是会丢失细节，摘要没有的内容就找不到了。
适用场景：超长文档集、或者用户只需要概览不需要细节的场景。比如长篇小说、论文集、大量文档的快速筛选。
选型口诀送给你：短文档直接塞，中等文档分段查，超长文档先摘要。
文档切分与检索优化
分段检索是主流方案，那切分和检索的门道在哪里？
切分方法
三种主流切分方式：
固定长度切分：按字数或 token 数硬切，比如每 500 字一段。优点是实现简单，缺点是可能把完整的句子、段落切成两半。
标题结构切分：按 Markdown 标题、章节来切，保持语义完整性。适合有明确结构的文档，比如技术文档、说明书。
语义段落切分：用模型识别语义边界，在自然段落处切分。效果最好但实现最复杂。
实践中推荐保留适当重叠，比如每段 500 字、重叠 50 字，避免关键信息被切断导致检索不到。
召回策略
检索不是一次就定胜负的。建议分两步走：
- 先召回 20 个候选片段 —— 宁多勿少，保证不漏掉相关内容
- 再通过重排序筛选出 3-5 个最相关的 —— 用更精准的模型做二次筛选
重排序这一步很关键。同样召回 20 个片段，不做重排序可能只召回 50% 相关的，做了重排序能提升到 80% 以上。
把召回策略想象成"选秀节目海选"：先让 20 个人上台展示，再由评委精选出 3-5 个真正有实力的。粗召回是海选，重排序是评委精选。
上下文拼接与质量控制
拿到检索结果还不是终点，怎么拼上下文、怎么控制质量，直接决定最终答案的准确性。
四个关键问题
来源标注：每个片段来自哪里要说清楚。提示词里加一句"根据以下资料回答"，并在每个片段前标注来源，比如"[文档A，第3段]"。
顺序排列：按原始文档的顺序拼接片段，别打乱。用户读回答时会顺着思路走，顺序乱了容易产生理解障碍。
资料冲突：不同片段可能有矛盾的内容。比如文档 A 说支持 A 方案，文档 B 说 A 方案有问题。这时候要在提示词里明确要求模型处理冲突，或者直接选择更权威的来源。
提示词设计：两个关键指令必须加——"只使用资料回答，不要编造"和"资料未提及的内容，直接说明未提及"。防止模型幻觉。
上下文拼接就像拼图
碎片不仅要拼对位置，还要确保没有错误碎片混入。把来源标注想成给每块拼图贴标签，把顺序排列想成按原始图片的布局摆放，把冲突检测想成挑出颜色不对的碎片。
面试怎么答
基础版（能过的回答）：
长文档问答系统主要有三种处理方法。全文塞入适合短文档，简单直接但上下文太长会影响效果；分段检索把文档切分成多个片段，检索时召回相关片段再拼接，是目前最主流的方案；结构化摘要适合超长文档，能快速获取概览但会丢失细节。选型主要看文档长度和业务需求——短文档直接塞，中长文档分段查，超长文档考虑摘要加原文的方案。
加分版（让面试官眼前亮的回答）：
我认为选型要从两个维度考虑：文档本身的长度和业务对精准度的要求。
具体来说，文档在几千 token 以内，可以直接全文塞入；几千到几万 token 的中等长度文档，用分段检索更合适，这里要注意切分时保持语义完整性、保留适当重叠；几万 token 以上的超长文档，建议结构化摘要配合原文档检索。
另外补充几个实战细节：检索时建议先召回 20 个候选片段，再通过重排序筛选出 3-5 个最相关的；上下文拼接时要注意来源标注、顺序排列和冲突检测；提示词里要明确要求模型"只使用资料回答"和"资料未提及则说明未提及"。
一句话总结
长文档问答选什么方法，看文档长度来定：短文档全文塞、中等文档分段查、超长文档结构化摘要配合原文检索。