RAGFlow 各切分方法的含義如下，結合文檔結構、場景特點等設計，以適配不同類型的知識源：
1. General（通用分塊）
- 邏輯：結合文本排版、格式、語義關聯等因素確定分割點，再根據“建議文本塊大小（Token 數）”，將文本切分為合適的塊。
- 支持格式：DOCX、EXCEL、PPT、IMAGE、PDF、TXT、MD、JSON、EML、HTML 等多格式。
- 過程：先用視覺檢測模型把連續文本分割成多個片段，再將片段合并成 Token 數不超過設定值的塊。
2. Q&A（問答分塊）
- 邏輯：專為“問答對”類數據設計，每行“問題 - 答案”作為獨立塊。
- 支持格式：Excel、CSV/TXT。
- Excel：需包含兩列（無標題），第一列是問題、第二列是答案。
- CSV/TXT：需用
UTF-8編碼，且以 TAB 作為問題與答案的分隔符；不符合規則的行會被忽略。
3. Resume（簡歷分塊）
- 邏輯：不做“分塊”，而是將簡歷解析為結構化數據（如提取學歷、工作經歷等字段）。
- 支持格式：DOCX、PDF、TXT。
- 價值：方便 HR 等場景下，通過自然語言交互快速篩選符合條件的候選人。
