[Question]: Mineru Chunking

快速结论：当 RAGFlow 使用 Mineru 作为 OCR 文档解析器时，Chunk size 和 Image & table context window 等配置参数被完全忽略，生成大量极小的分块（每句话一个块，表格单独分块）。优先排查是否启用了其他覆盖配置，但本质上这是 Mineru 分块逻辑的已知限制。

适用环境：RAGFlow + Mineru OCR 解析器（pipeline 后端），具体版本未在 Issue 中注明。

最快修复方案：暂无确认的一步修复方案。可尝试使用父‑子分块机制（parent‑child chunking）在数据集设置中配置父块大小，以平衡分块粒度，但这只能缓解问题，无法让 Mineru 直接遵循自定义 chunk size。

注意事项：Title chunker 能将小块按标题合并，但会丢失参考坐标（position）。父‑子分块机制不能改变 Mineru 分块逻辑本身，且元数据传递依赖分块流水线，同样无法在 Title chunker 中保留坐标。

问题场景

用户在使用 RAGFlow 的 Mineru 解析器（OCR 模式）解析文档时，在解析设置中调整了 “Chunk size” 和 “Image & table context window”，但实际生成的分块完全忽略这些参数：每个句子甚至短语都被拆成独立小块，表格也全部单独分割，导致上下文碎片化。

报错原文

[Question]: Mineru Chunking

原因分析

Mineru 的 OCR 分块逻辑是基于逐行输出的文本和位置数据来创建分块，它并不应用用户在前端配置的 chunk size 或 context window 参数。虽然 RAGFlow 的 Splitter 组件（rag/flow/splitter/splitter.py）会尝试遵守这些参数，但其实际行为依赖输入格式和合并函数，且没有针对 Mineru 的特殊覆盖。因此，无论用户怎么设置，Mineru 都会按自身规则生成极小的分块。

环境排查

确认 RAGFlow 部署版本（Docker 镜像 Tag 或源码提交号）。
确认 Mineru 解析器使用的具体分支或版本。
检查是否在数据集设置中启用了其他可能覆盖全局分块配置的选项（如自定义解析模板）。

解决步骤

临时切换到 Title chunker（按标题分块）以合并小片段，注意该方式会丢失参考坐标（position），若不需要坐标可优先尝试。
若需要保留坐标，当前无直接方案；可考虑用外部脚本对 Mineru 的输出进行后处理 – 按位置连续性或语义合并相邻小块，并手动记录坐标。
在数据集设置中启用 父‑子分块（parent‑child chunking），设置较大的父块大小（例如 1024 tokens）以容纳上下文，同时保留子块的细粒度用于检索。此方法不能修复 Mineru 的分段行为，但能改善检索效果。
关注 RAGFlow 后续版本（尤其是 PR #12251 之后的更新）对分块元数据传递的改进，未来可能支持更灵活的分块配置。