一句话定义：分块接缝（Chunk Seam）指文档被切成检索块时，一刀恰好落在某个语义单元的中间，导致一条完整信息被分到相邻两个块里，而在任何一个块中都看不完整。
接缝是怎么产生的
AI 词典：检索增强生成">检索增强生成（RAG）需要先把文档切成小块（chunk）再建索引。切分通常按固定字数或 token 数执行，因为这样简单、均匀、易于实现。但文档的自然语义边界并不按字数对齐：一个条款可能有三行半，一张表格可能跨页，一句结论可能刚好落在第 500 字和第 501 字之间。
打个比方：把一张报纸剪成两半，分别装进两个信封。你要找的那条新闻标题在第一张末尾，正文在第二张开头。两个信封装得整整齐齐，你挨个翻看，每个信封里都没有一条完整的新闻。
真实场景里它往往不表现为“答不上来”，而更像“答错了”：
> 块 A 结尾：退款申请自签收之日起 7 天内提交即可，无需说明理由。
> 块 B 开头：该条款不适用于促销商品、定制商品与已拆封的个护用品。
用户问“促销商品能无理由退款吗”，检索命中的多半是块 A，因为“退款”“无理由”全在里面。模型拿到块 A 于是给出肯定回答，而真正决定答案的否定条件在块 B，根本没有被取回。这种错误比“不知道”更难发现，因为答案读起来通顺、有出处、还挺自信。
和相邻概念的区别
| 概念 | 典型表现 | 根因 |
|---|---|---|
| 分块接缝 | 命中块相关但信息缺半句，答案偏向一侧 | 切分点落在语义单元内部 |
| 语义不匹配 | 检索结果与问题毫不相干 | 提问用词与文档用词不一致 |
| 多跳缺失 | 每个块单看都对，但要合起来才能推 | 只做一次检索，不做串联 |
关键区别在于：接缝不是检索算法的错。哪怕召回模型再准，如果完整答案在物理上已被拆到两个不相邻的块里，检索器也只能给你半张纸。
对实际工作的意义
对做 RAG 的人，接缝是必须主动处理的结构性问题，常见做法有：块间重叠（overlap），让边界内容在两块中各出现一次；按结构切分，优先在标题、段落、表格边界断开，而不是数满字数就下刀；父子块或句子窗口检索，用小块命中、再回取更大的上下文；给每个块补上所属章节标题或一句摘要，让块自带“我属于哪里”的线索。评估时也别只看召回率，专门构造一批答案跨边界的测试问题，往往能立刻暴露接缝。
对普通使用者，这解释了一种常见困惑：明明文档里写了，为什么问它却说没有或说反了。遇到这种情况，换个问法、把问题问得更具体，或者直接把相关章节原文粘进去，通常比反复追问有效。工具的表现，有时取决于知识在进入系统时被怎么切开。