Что это
Чанк — от английского chunk, «кусок». Нейросети неудобно и дорого превращать в вектор сразу всю длинную статью — вместо этого её режут на куски по несколько абзацев, и уже каждый кусок отдельно становится эмбеддингом и попадает в индекс.
Размер важен: слишком маленький чанк (одно предложение) теряет контекст — непонятно, о чём вообще речь. Слишком большой (вся статья целиком) слишком общий — сложно понять, какая именно часть отвечает на узкий вопрос. Разработчики RAG-систем обычно ищут баланс где-то между абзацем и разделом.
Что это значит для структуры текста
Практический вывод простой: если статья написана связным потоком, где третий абзац без первых двух не понять, робот порежет её на куски произвольно — и может выхватить кусок, вырванный из контекста, который сам по себе не отвечает ни на что.
Если же материал построен из самостоятельных блоков — каждый подзаголовок раскрывает одну мысль и понятен сам по себе, — чанк с большей вероятностью совпадёт с осмысленным куском, который можно процитировать целиком.
Почему это важно вам
Отсюда и растёт практический совет писать FAQ-блоки и короткие самодостаточные абзацы: не потому что это модно, а потому что так текст режется на куски, которые машина может понять и процитировать по отдельности, а не только целиком.