假设你正在为团队的内部文档（指南、运行手册、事后复盘）构建搜索功能。你有一个带有自动嵌入的表：插入文本，Manticore 运行模型并自动填充向量列。你加载了一篇 4000 词的文档。插入成功，搜索也能工作。但模型的输入窗口只有 512 个 token，而该文档约有 5000 个 token。模型只读取了前 380 个词，其余 3600 个词被丢弃。

现在 Manticore 可在表定义中处理此问题：在 CREATE TABLE 中向向量列添加 chunk_strategy，Manticore 会将每个文档拆分为多个块，对每个块进行嵌入，并搜索所有块。提供五种策略：截断、平均、固定、递归、句子。文档仍作为单个搜索结果返回。各块单独竞争，Manticore 仅返回一次文档，knn_dist() 报告其与最近块的距离。k 统计的是文档数量，而非块数量。

在 Manticore 手册（189 页，约 29.8 万词）上测得：recall@5 从 55.1% 提升至 83.3%，MRR 从 0.44 提升至 0.70，内存占用约增加 2.5 倍，摄入时间约增加 4 倍。查询从不分块。查询足够短，可作为整体嵌入；仅存储的文档会被拆分。