Chunk 与来源信息

English

Chunk 将用于检索的内容与章节上下文分成独立字段：

字段	含义
body	渲染后的 Chunk 正文。外部标题不会渲染在这里；内部合并章节的标题仍会保留在正文。
ancestor_headings	当前 Chunk 所属章节之上的标题路径。
own_heading	当前 Chunk 自身的 (level, title)，或多同级章节合并时的 None。
token_count	权威最终计数：标题、标题与正文之间的分隔符，以及后处理后的正文。
estimated_token_count	split-time 估算；使用增量规划时可能与最终值略有不同。
headings_token_count / body_token_count	最终计数的两个组成部分。
start_line / end_line	parser 能确定时的 1-based 来源位置。
document_title / document_path	源文档标识与来源信息。

标题路径采用规范化 Markdown 渲染。heading_sensitive=True 时，splitter 将渲染后的标题路径及正文前的空行分隔符计入预算；无论该设置为何，metadata 都会返回。

SplitResult.document 保留文档级 metadata 和 Markdown 引用定义。可用这些数据将入库的 Chunk 链接回来源，但不要假设 DOCX 等二进制输入一定有行号范围。