문서 청킹

Outcome：Complete the task with 문서 청킹 (Document Chunking)。 User context：검색 엔지니어는 제목, 표, 페이지 세부정보를 포함한 정책 문서를 나눕니다. 각 청크는 자신의 섹션 의미와 원본 위치를 유지합니다. 문자 수로 자르거나 표 행을 나누는 것은 나쁜 전략입니다. AI method or concept：문서 청킹 (Document Chunking)。 Why it fits：검색 인덱싱, 임베딩 또는 프롬프트 컨텍스트를 위해 사용되는 부분을 설정할 때 이 용어를 사용합니다. Do not use it when：헤딩, 목록, 표에 의미가 있는 경우 단순히 토큰 수만으로 청크 크기를 선택하지 마십시오. AI requirements: Define the input and source evidence. Set model and tool permissions. Use versioned evaluation data and measures. Define failure, decline-to-answer, privacy, speed, and cost limits. Operational safeguards: Keep a clear trace and hide sensitive log data. Show users a safe fallback. Mark steps that need human review. Define how to roll back the model or prompt. Acceptance criteria: Record baseline and target measures on a versioned evaluation set. Test edge cases and hostile inputs. Verify fallback, monitoring, permissions, and rollback. Evidence and limits (evidence boundary)：해당 출처에 대해 공식적인 것입니다. 다른 플랫폼이나 팀은 그 용어를 다른 방식으로 사용할 수 있습니다. Unknowns to confirm: Target task, model and version, evaluation owner, source data, risk limit, tool permissions, and production fallback.