文章目录一、引言二、核心问题：粒度矛盾2.1 经典矛盾2.2 一句话讲清楚2.3 真实例子三、LangChain 的实现3.1 ParentDocumentRetriever 原理3.2 完整代码3.3 LangChain 默认实现的小问题四、自实现：完全可控的版本4.1 设计思路4.2 完整实现4.3 使用示例五、参数怎么调？5.1 父子比例5.2 子分片大小5.3 num_parents 怎么设？六、客服场景的特殊优化6.1 多级父子（爷-父-子）6.2 父子 + 元数据组合6.3 父子 + FAQ 混合七、父子分片 vs 其他方案对比八、常见踩坑清单九、完整生产级架构9.1 实战架构图9.2 关键代码片段十、本文小结十一、给下一篇文章的铺垫本系列为《RAG 做智能客服》第 12 篇前置条件：已阅读第 11 篇，了解语义分片一、引言上一篇我们讲了语义分片——按话题切。但它有个两难：切得细（每片 100-200 字）：检索精准，但模型看不到上下文切得粗（每片 800-1500 字）：上下文完整，但召回时一堆噪声有没有办法两头都占？有——父子文档分片（Parent Document Retriever）。核心思想特别简单：召回用小块（精准）生成用大块（完整）这一篇我们讲清楚三件事：父子分片的核心思想和工作机制两种实现方式（LangChain 版、自实现版）在客服场景的实测效果二、核心问题：粒度矛盾2.1 经典矛盾 12. 父子文档与层级分片：保留上下文的全新思路
文章目录一、引言二、核心问题：粒度矛盾2.1 经典矛盾2.2 一句话讲清楚2.3 真实例子三、LangChain 的实现3.1 ParentDocumentRetriever 原理3.2 完整代码3.3 LangChain 默认实现的小问题四、自实现：完全可控的版本4.1 设计思路4.2 完整实现4.3 使用示例五、参数怎么调？5.1 父子比例5.2 子分片大小5.3 num_parents 怎么设？六、客服场景的特殊优化6.1 多级父子（爷-父-子）6.2 父子 + 元数据组合6.3 父子 + FAQ 混合七、父子分片 vs 其他方案对比八、常见踩坑清单九、完整生产级架构9.1 实战架构图9.2 关键代码片段十、本文小结十一、给下一篇文章的铺垫本系列为《RAG 做智能客服》第 12 篇前置条件：已阅读第 11 篇，了解语义分片一、引言上一篇我们讲了语义分片——按话题切。但它有个两难：切得细（每片 100-200 字）：检索精准，但模型看不到上下文切得粗（每片 800-1500 字）：上下文完整，但召回时一堆噪声有没有办法两头都占？有——父子文档分片（Parent Document Retriever）。核心思想特别简单：召回用小块（精准）生成用大块（完整）这一篇我们讲清楚三件事：父子分片的核心思想和工作机制两种实现方式（LangChain 版、自实现版）在客服场景的实测效果二、核心问题：粒度矛盾2.1 经典矛盾