內容切塊

內容切塊：RAG 設定與清楚的網頁寫作

區分可設定的內部 RAG 與公開 AI 搜尋。用自己的文件、問題測試切塊，讓讀者看得懂段落、查得到來源。token 範圍、重疊比例與頁面位置都不是通用引用規則或保證。

v1.0 · 2026 年 6 月 · Tenten GEO Research

CH.01

內部 RAG 與公開 AI 搜尋

RAG 應用可以先檢索段落或文件，再生成答案。這個例子不能證明每個公開搜尋引擎都用相同方式處理網頁。

常見的內部 RAG 做法，是切文件、建索引、取回相關資料，再交給生成模型。團隊可以檢查與修改這條管線；檢索也可能結合文字搜尋、向量、重排或額外上下文。不要把一種設計當成 ChatGPT、Google 或所有公開服務的內部實作。

完整段落與跨邊界事實的示意圖，說明可能的上下文問題，不證明實際引擎如何抽取或排除內容。 — 某些設定的切塊邊界可能拆散相關事實；這是示意，不是公開引擎的實測結果。

取回片段若缺主詞、單位或限制，答案可能少了必要情境。先在可控制的管線檢查實際取回資料，再判斷錯誤是否來自切塊。單一邊界不能證明相似度降低、競品被選中或引用消失。

清楚段落與有用頁面、技術 SEO 可以一起改善。Google 的 AI 功能指南仍採 SEO 基本原則，支援連結須具索引與摘要資格，沒有要求通用 chunk 尺寸。本指南沒有證明外連、排名或整頁情境變得無關。

本章重點

自己的 RAG 檢查檢索與答案品質；公開網站讓答案清楚、證據可追溯、頁面可讀取。你的標題不會決定公開引擎的切塊邊界。

CH.02

在自己的管線測試尺寸與重疊

依文件、tokenizer、模型限制與問題選設定。下表是實驗候選，不是已證實的 2026 最佳值，也不是公開搜尋的引用條件。

小塊可能少情境，大塊可能混入無關內容，但沒有固定尺寸必然失敗的規則。Tenten 建議在合適任務比較 256–512 token 等候選，也納入任務需要的其他尺寸。依實際 tokenizer 計 token，不把字、字元與 token 當同一單位。

切塊尺寸	候選或觀測設定	要檢查什麼	證據範圍
128 token 以下	短而可獨立回答的內容候選	確認主詞、單位與限制是否一起保留	Tenten 實驗候選，不是引擎門檻
256–512 token	內部比較可選的候選範圍	比較證據覆蓋、答案品質與處理成本	Tenten 實驗候選，不是通用最佳值
512 token 遞迴切塊	發布者報告的一項學術文件測試	單一 50 篇論文／30 組合成問答管線報告 69% 答案準確率，不是引用率	Vecta R&D 貼文，2026-02-14；本輪未獨立重做
1024 token 以上	問題需要較多上下文時的候選	檢查相關情境、模型限制與無關內容	Tenten 實驗候選，不是必然失敗界線

候選設定與有範圍限制的發布者觀測。記錄設定再比較，不照抄通用預設。

Vecta 觀測使用 text-embedding-3-small、ChromaDB 與 gemini-2.5-flash-lite，取回上下文約 2,000 token。小型合成問題集不是公開搜尋流量或 Tenten 客戶成效。自己的測試可將 10–20% 重疊列為候選，與不重疊比較情境遺失、重複與成本；重疊不保證每個完整事實都放得進一塊。

本章重點

先記錄文件集、問題、tokenizer、檢索器、生成器與上下文預算，再比尺寸或重疊。觀察到任務改善才改設定，不因文章說它是通用規則。

CH.03

語意切塊技巧

可讀的文章結構與語意切塊演算法是不同選擇。段落更整齊或換分割器，都不保證引用或固定準確率增幅。

固定、遞迴與語意分割器的邊界規則不同；語意演算法可能比較句子表示，標題與段落則是編輯結構。Qu、Tu、Bao 的 NAACL 2025 研究，在檢索與生成任務未得到一致增益。依自己的管線測試，不假設語意切塊必然提升所有任務。

技巧一

一段一個論點，開頭就給答案

以回答為主的章節，先說答案，把支持證據放近一點。解釋長度依讀者需求，不把一段一論點寫成所有引擎的偏好。

技巧二

在語意轉折處切，不在字數到了就切

用清楚標題、清單與表格整理內容。內部管線檢查 parser 是否尊重這些結構；一個 H2 不必然是一塊，長章節也可能需要其他分法。

技巧三

讓每段自足，補回被省略的主詞

段落可能被單獨閱讀時，說清楚主詞、術語、單位與限制。指代不清才換明確名詞，不機械式重複。清楚情境讓讀者核對主張，不會強迫引擎引用。

本章重點

寫作決策以讀者理解為主；演算法依檢索、答案品質與成本的測量選擇。不要把編輯習慣換成保證百分比。

CH.04

讓讀者容易找到答案

已被引用的段落位於何處，不證明把同樣文字搬到前面會增加引用。

CXL 官方帳號的公開貼文描述其觀測的 Google AI Overview 引用段落位置。那是已被引用內容中的分布，不是任一段落被引用的機率；貼文沒有建立通用位置實驗或所有引擎的排名權重。

回答型章節開頭先放主要答案，讓讀者找到，再把定義、單位、日期與限制跟相關證據放一起。自己的 RAG 檢查實際取回片段；公開網頁不假設一個完整段落能修好未知引擎的邊界。

本章重點

答案早點出現是編輯建議，不是固定頁面位置的及格規則。引用另行觀察；位置本身不能證明因果，也不能分配固定的引用機會。

CH.05

實體清晰度

單獨閱讀的段落要能辨認主詞與限制。缺少情境是改善清晰度的理由，不證明每個檢索器都沒有上下文或必須排除它。

讀者是否知道「它」「這個方法」「我們」指誰？必要限制與支持來源要跟主張一起保留。下表是虛構寫作練習，不是 Tenten 績效數字、服務能力或客戶證據。

原寫法（模糊）	改寫後（實體清晰）	為什麼有效
它可以匯入 Markdown。	虛構的範例產品 A 可以匯入 Markdown。	補回主詞；範例能力不是 Tenten 服務宣稱
這個方法把文字分組。	語意切塊依語意關係將文字分組。	具名方法，不捏造網站頁數門檻或成效
我們記錄多個平台的結果。	虛構的範例團隊 A 記錄 ChatGPT、Perplexity、Gemini 與 Google AI Overviews 的觀測。	具名範例對象與平台，不是已驗證的正式工作流

虛構的清晰度練習。寫法示例不證明任何產品能力或 Tenten 成效。

本章重點

說出相關對象、證據與限制。歸因清楚是好寫作，不證明段落權威、引擎權重或必然出現在 AI 答案。

CH.06

切塊檢核清單

這份 Tenten 清單用於公開內容的可讀性，以及另外可控制的 RAG 管線。完成代表工作有紀錄，不認證引用資格。

檢核項	檢查或測試	為何要檢查
切塊尺寸	僅內部 RAG：在模型實際限制內比較合適尺寸	檢查情境遺失、無關資料與 tokenizer 單位
重疊比例	僅內部 RAG：比較合適重疊候選與不重疊基準	檢查連續情境、重複取回、儲存與處理成本
段落自足	單獨段落說清楚主詞、答案、證據與限制	指代模糊可能讓讀者無法核對主張
關鍵事實位置	主要答案容易找到，附上相關情境	讀者不必翻找無關鋪陳
實體清晰度	指代不清時使用明確主詞與術語	檢查歸因，不承諾引擎選取

五項可讀性與內部 RAG 測試檢查，不是公開引擎認證。

→標題與清單整理可讀結構；確認自己的 parser 如何處理，不假設 H2 就是一塊。
→盡量把主張、主詞、單位、來源與必要限制放一起。
→上線前自測一次：把任一段落單獨複製出來，問自己「脫離全文，它還看得懂、答得出問題嗎？」
→在可控制管線，以真實問題檢查表格、清單與句子的分割；邊界本身不證明失敗。

最後一句話

公開內容與內部檢索設定回答不同問題。維護有用、可讀取的頁面，測量可控制的管線；清單與設定都不保證公開引用、排名或流量。

資料來源與研究方法

來源核對：2026 年 10 月 5 日（台北）。原始 RAG：https://arxiv.org/abs/2005.11401 ；比較研究：https://aclanthology.org/2025.findings-naacl.114/ ；Azure 切塊：https://learn.microsoft.com/en-us/azure/search/vector-search-how-to-chunk-documents ；Google AI 功能：https://developers.google.com/search/docs/appearance/ai-features 。Vecta 發布者測試與限制：https://www.reddit.com/r/Rag/comments/1r47duk/we_benchmarked_7_chunking_strategies_most_best/ 。既有 Firecrawl 歸因：https://www.firecrawl.dev/blog/best-chunking-strategies-rag ；CXL 第一方位置觀測：https://www.linkedin.com/posts/cxldotcom_we-analyzed-100-google-ai-overview-citations-activity-7435376188954480642-_vhS 。來源沒有建立通用尺寸、位置權重或公開引用保證。候選設定與寫作清單是 Tenten 建議；虛構示例不是實測客戶成果。

討論你的 AI 搜尋優先事項

申請 30 分鐘基準解讀

送出預約申請後，24 小時內回信確認時段。