RAG Chunk Visualizer
Наглядное разбиение документа на фрагменты для RAG: размер фрагмента, перекрытие, подсчет токенов, стоимость эмбеддингов и извлекаемый контекст
Аналогично RecursiveCharacterTextSplitter из LangChain: сначала пытается делить по пустым строкам, затем по переносам строк, предложениям и словам, сохраняя максимальную семантическую целостность фрагментов.
- Фрагменты
- 3
- Токены документа
- 232
- Среднее токенов / фрагмент
- 81
- Мин. / макс. токенов
- 46 / 126
- Токенов для эмбеддинга
- 242
- Коэффициент перекрытия
- 1.04×
Оценочная стоимость эмбеддингов: $0.000005
Контекст, добавляемый в каждый промпт: 323 токены
Карта документа (желтый = перекрытие с предыдущим фрагментом)
Чередование строк позволяет легко различать соседние фрагменты.
- #170 токены280 символы0–280
# 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 токены503 символы255–758Перекрытие: 25 симв.
## 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 токены184 символы743–927Перекрытие: 15 симв.
## 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.
Количество токенов является оценочным (~4 символа на токен для английского языка, ~1 символ для нелатиницы), а не точным результатом токенизатора конкретной модели. Стоимость зависит от актуальных тарифов вашего провайдера.