RAG Chunk Visualizer
Découvrez comment un document est découpé en fragments pour le RAG : taille des fragments, chevauchement, nombre de tokens, coût des embeddings et contexte récupéré
Comme le RecursiveCharacterTextSplitter de LangChain : tente d'abord de couper aux lignes vides, puis aux sauts de ligne, aux phrases et aux mots, afin de préserver au maximum le sens.
- Fragments
- 3
- Tokens du document
- 232
- Moyenne de tokens / fragment
- 81
- Min. / max. de tokens
- 46 / 126
- Tokens à vectoriser
- 242
- Facteur de chevauchement
- 1.04×
Coût estimé des embeddings: $0.000005
Contexte ajouté à chaque prompt: 323 tokens
Carte du document (jaune = chevauchement avec le fragment précédent)
L'alternance des lignes permet de distinguer facilement les fragments voisins.
- #170 tokens280 caractères0–280
# Retrieval-Augmented Generation Retrieval-Augmented Generation (RAG) gives a language model access to knowledge it was not trained on. Instead of fine-tuning, you split your documents into chunks, embed each chunk, and store the vectors in a database. ## Why chunking matters
- #2126 tokens503 caractères255–75825 caractères de chevauchement
## Why chunking matters At query time the question is embedded and the closest chunks are retrieved. If a chunk is too large, it dilutes the meaning and wastes context window. If it is too small, it loses the surrounding context and the answer gets cut in half. A common starting point is 256 to 512 tokens with 10 to 20 percent overlap. Overlap repeats the end of one chunk at the start of the next, so a sentence that straddles a boundary is still found whole in at least one chunk. ## Trade-offs
- #346 tokens184 caractères743–92715 caractères de chevauchement
## Trade-offs Larger overlap improves recall but increases the number of tokens you embed and store. Always measure retrieval quality on your own questions before settling on a size.
Le nombre de tokens est une estimation (~4 caractères par token en anglais, ~1 par caractère non latin) et non la sortie exacte du tokeniseur d'un modèle. Les coûts dépendent des tarifs actuels de votre fournisseur.