text-splitter

文本分割工具

功能

将文本分割成指定大小的块，保持语义完整性，便于后续的批处理和分析。

使用场景

• 处理超长文本，将其拆分为智能体可处理的片段。
• 进行文本预处理，为后续的内容分析、摘要或评估任务提供标准化输入。
• 优化文本处理流程，确保每个处理单元的大小可控且语义完整。

核心能力

• 语义完整性优先: 在分割时尽量避免截断句子或段落，优先在自然边界处（如句号、换行符）分割，确保每个块的语义完整性。
• 保持原始格式: 在分割过程中，努力保留文本的原始格式和结构，例如Markdown、HTML标签等。
• 精确控制块大小: 严格按照指定的大小限制进行分割，确保每个文本块不超过预设的最大长度。
• 多种分割策略: 支持基于字符数、token数、段落数或特定分隔符等多种分割策略。

输入要求

• 文本内容: 待分割的原始文本。
• 块大小限制: 每个文本块的最大长度（建议提供字符数或 token 数）。
• 分割策略（可选）: 指定分割时优先考虑的策略，如按句分割、按段落分割、按特定分隔符分割等。

输出格式

【文本分割报告】

- 原始文本长度: [整数] 字/Token
- 目标块大小: [整数] 字/Token
- 实际分割块数: [整数] 块

### 分割结果
- 块1 (长度: [整数] 字/Token): "[内容预览...]"
- 块2 (长度: [整数] 字/Token): "[内容预览...]"
- 块3 (长度: [整数] 字/Token): "[内容预览...]"
...

约束条件

• 分割结果必须严格符合指定的块大小限制。
• 确保在分割时最大限度地保持文本的语义完整性。
• 输出格式必须结构化，清晰展示每个文本块的内容和长度。
• 避免在输出中引入任何额外信息或解释，只提供分割结果。

硬性约束

• 优先按章节、场次、空行等自然边界分割
• 单段尽量语义完整，避免从对话中间切断
• 输出保留顺序索引，便于后续合并

参考资料

• examples.md