2026 年 5 款 RAG 文本分块工具推荐：Chonkie、LangChain 与 LlamaIndex 怎么选？

RAG 的分块选择要同时考虑文本结构、嵌入模型的计数方式、来源追溯和现有技术栈。本文比较 Chonkie、LangChain Text Splitters、LlamaIndex Node Parsers、Docling HybridChunker 与 semchunk，帮助选择入库流程中的切分入口。

核对日期：2026-10-20。这五项分别覆盖独立库、框架组件和结构化文档接口，有些可以组合使用。编号便于阅读，不代表共同检索质量、速度或费用排名；本文未运行五家统一基准。

快速选择

1. Chonkie：将分块作为独立入库环节

Chonkie 以多种 chunker 和 Pipeline 组织文本处理，适合希望独立选择规则、tokenizer 与后处理组件的 Python 项目。需要固定长度窗口可看 TokenChunker，希望按层级规则切分可看 RecursiveChunker；语义和生成式方法应另外核对模型依赖。分块目录

它适合先用合成数据验证位置、计数和批处理，再接入向量库。要注意 character 计数与模型 tokenizer 的 token 不相同，部分方法还涉及额外上下文，应检查完整嵌入输入。Token Chunker、Pipeline

当前 Python 包 MIT，软件许可费 $0；选择远程嵌入、OCR 或生成模型时，用量与数据流向独立核对。本文不把官方吞吐宣传作为共同实测。

2. LangChain Text Splitters：接入已有 Document 流程

langchain-text-splitters 是独立发行包，提供递归字符、token、Markdown、HTML 等切分方向；独立发行不代表没有依赖。已有 LangChain Document 与检索流程时，可以先保留其接口，减少格式转换。官方组件说明