递归字符文本分割器节点通过递归方式分割文档数据，尽可能保持段落、句子和单词的完整性。

本页将介绍递归字符文本分割器节点的参数配置，并提供更多资源链接。

/// 注意 | 子节点中的参数解析 子节点在使用表达式处理多个项目时的行为与其他节点不同。

大多数节点（包括根节点）会接收任意数量的输入项，处理这些项目，然后输出结果。您可以使用表达式来引用输入项，节点会依次为每个项目解析表达式。例如，给定五个 name 值作为输入，表达式 {{ $json.name }} 会依次解析为每个名称。

而在子节点中，表达式总是解析为第一个项目。例如，给定五个 name 值作为输入，表达式 {{ $json.name }} 总是解析为第一个名称。 ///

节点参数#

• 分块大小：输入每个分块包含的字符数。
• 分块重叠量：输入分块之间的重叠字符数。

模板与示例#

Browse 递归字符文本分割器 integration templates, or search all templates

相关资源#

更多关于该服务的信息，请参考 LangChain 文本分割器文档 和 LangChain 递归字符分割文档。

查看 n8n 的高级 AI 文档。

AI glossary#

• completion: Completions are the responses generated by a model like GPT.
• hallucinations: Hallucination in AI is when an LLM (large language model) mistakenly perceives patterns or objects that don't exist.
• vector database: A vector database stores mathematical representations of information. Use with embeddings and retrievers to create a database that your AI can access when answering questions.
• vector store: A vector store, or vector database, stores mathematical representations of information. Use with embeddings and retrievers to create a database that your AI can access when answering questions.

《DeepSeek高效数据分析：从数据清洗到行业案例》聚焦DeepSeek在数据分析领域的高效应用，是系统讲解其从数据处理到可视化全流程的实用指南。作者结合多年职场实战经验，不仅深入拆解DeepSeek数据分析的核心功能——涵盖数据采集、清洗、预处理、探索分析、建模（回归、聚类、时间序列等）及模型评估，更通过金融量化数据分析、电商平台数据分析等真实行业案例，搭配报告撰写技巧，提供独到见解与落地建议。助力职场人在激烈竞争中凭借先进技能突破瓶颈，实现职业进阶，开启发展新篇。