抽象类 vs 具体实现类的关系

🧩 一句话先说清楚

TextSplitter 是抽象基类（定义规范），RecursiveCharacterTextSplitter 是具体实现（一种切分策略）。

RecursiveCharacterTextSplitter继承自 TextSplitter，所以会自动拥有它的所有方法（除非被重写）。

1. `TextSplitter` 是什么（抽象层）

TextSplitter 可以理解为：

"所有文本切分器必须遵守的接口规范 + 通用能力封装"

它的职责不是"怎么切"，而是：

定义统一接口（比如 split_text、create_documents）
管理通用参数（chunk_size、chunk_overlap）
提供基础工具方法（比如 chunk 合并逻辑）

👉 换句话说：

它解决的是 "切分器应该长什么样"

2. `RecursiveCharacterTextSplitter` 是什么（实现层）

它是 TextSplitter 的一个具体子类，实现了一种策略：

按"语义优先"的递归分隔符切分文本

核心特点：

有一套默认分隔符：["\n\n", "\n", " ", ""]
按优先级递归切
尽量保持语义完整

👉 它解决的是：

"具体怎么切文本"

3. 用代码结构理解关系（非常关键）

你可以把它想象成这样：

python 复制代码

class TextSplitter:
    def split_text(self, text):
        raise NotImplementedError

    def create_documents(self, texts):
        # 通用逻辑
        pass

class RecursiveCharacterTextSplitter(TextSplitter):
    def split_text(self, text):
        # 具体实现：递归按分隔符切
        pass

👉 关键点：

父类定义"接口 + 通用流程"
子类实现"切分算法"

4. 更本质的区别（从设计角度）

维度	TextSplitter	RecursiveCharacterTextSplitter
类型	抽象基类	具体实现类
关注点	规范 & 通用能力	切分策略
是否直接使用	❌ 很少直接用	✅ 常用
是否需要理解	✔（框架理解）	✔✔（实战必须）

5. 为什么要这样设计（重点）

LangChain 不是只提供一个切分器，而是支持很多种：

按字符（Recursive）
按 token
按 Markdown 结构
按 HTML
按代码语法

👉 如果没有 TextSplitter 这个抽象层：

每个 splitter API 都不一致
下游（embedding / retriever）不好统一处理

所以：

TextSplitter 的存在，是为了让所有 splitter 可替换、可扩展、接口一致

6. 从"用"的角度看区别

你什么时候关心 `TextSplitter`？

写自定义 splitter
理解 LangChain 设计
读源码

你什么时候用 `RecursiveCharacterTextSplitter`？

做 RAG
切普通文本
默认方案

7. 一个更高级的理解

TextSplitter = 策略接口（Strategy Interface）RecursiveCharacterTextSplitter = 一个具体策略（Concrete Strategy）

这其实就是经典的：

👉 策略模式（Strategy Pattern）

🎯 最终总结

TextSplitter：定义"切分器应该怎么用"（接口 + 通用逻辑）
RecursiveCharacterTextSplitter：实现"具体怎么切"（递归分隔策略）

LangChain 默认推荐 RecursiveCharacterTextSplitter，不是因为它"更高级"，而是因为它在"语义完整性 + 通用性 + 成本"之间是最稳的默认解。