--- title: "Chunking" description: "Chunking divide documentos em trechos para processamento e recuperação. O tamanho, os limites e a sobreposição afetam quanto contexto cada trecho preserva." canonical: "https://tropk.ai/recursos/glossario/chunking" last_modified: "2026-10-12T16:13:13.659Z" --- # Chunking Revisado em 2026-10-06. ## O que significa Chunking é o processo de dividir um documento em unidades menores, chamadas chunks ou trechos, para processamento, [indexação](/recursos/glossario/indexacao) ou recuperação. A divisão pode seguir tamanho, frases, títulos ou relações de significado. Em aplicações de IA, permite trabalhar dentro dos limites de entrada dos modelos e pode representar partes do documento de forma mais específica do que um único bloco. ## Por que importa para marketing Quem contrata um assistente de conteúdo precisa avaliar os trechos que alimentam sua busca. Cortes inadequados podem separar uma condição da oferta à qual ela pertence. Trechos muito amplos podem reunir assuntos diferentes. A decisão sobre chunking envolve continuidade, precisão e custo de processamento, e deve considerar as perguntas esperadas, além do formato dos documentos. ## Exemplo na prática Imagine uma agência indexando um manual de patrocínio com cotas e contrapartidas. O corte por caracteres separa o nome da cota Ouro de sua lista de benefícios. Na inspeção, o trecho aparece sem identificar a modalidade. A agência decide testar limites por seção e conservar o título junto aos benefícios, antes de aumentar o tamanho de todos os chunks. ## Como aplicar ou verificar Peça uma amostra dos chunks produzidos antes de aprovar a indexação. Confira frases incompletas, títulos ausentes, tabelas partidas e exceções isoladas. Compare duas estratégias com as mesmas perguntas e o mesmo modelo de [embeddings](/recursos/glossario/embeddings). Registre tamanho, unidade de contagem e sobreposição, isto é, o texto repetido entre trechos vizinhos, para conseguir explicar diferenças observadas na recuperação. ## Distinções importantes Chunking não resume nem corrige o documento: organiza unidades de processamento. Tokens, caracteres e palavras são medidas diferentes, portanto um tamanho declarado precisa informar sua unidade. Sobreposição pode preservar continuidade, mas também repete informação. Não existe uma extensão ideal para todo acervo, e uma configuração de biblioteca não determina como buscadores externos dividem páginas públicas. ## Fontes e referências - [Chunk large documents for RAG and vector search in Azure AI Search]() — Microsoft ## Continue a leitura - [Chunking semântico]() - [Embeddings]() - [Recuperação de passagens]() ## Sobre o autor [Vinicius Pacheco]() Responsável pelos conteúdos técnicos da Tropk, com foco em rastreamento, indexação, dados estruturados e acesso de agentes ao conteúdo. --- [Todas as páginas em Markdown]()