研究结论需要可复现的任务、明确的基线和能够暴露失败的评测。讨论模型能力时，也要把数据、工具、延迟与人的校验纳入同一条链路。
值得关注的判断
固定长度切块实现简单，但可能切断定义与例外条件，也可能让检索结果重复而缺少上下文。理想粒度取决于用户如何提问和答案需要引用多大范围。
落地时的做法
从真实查询出发比较段落、标题层级和语义切块，保留文档标题与邻近段落关系。为长表格和代码等特殊结构设计单独解析路径。
如何复盘
比较不同策略下的证据覆盖、冗余率、上下文预算和端到端答案质量。不要只优化向量相似度，最终仍需确认返回内容能支持任务。
技术选择应服务于明确的问题，也应保留质疑、纠错和退出的空间。团队可从小范围验证开始，持续公开依据与限制，再依据真实反馈决定是否扩大使用。