Skip to main content
语言模型有令牌限制。您不应超出令牌限制。因此，当您分割文本为块时，计算令牌数量是一个好主意。有许多分词器。在计算文本中的令牌时，您应使用与语言模型中相同的分词器。

​
js-tiktoken

js-tiktoken 是 OpenAI 创建的 BPE 分词器的 JavaScript 版本。
我们可以使用 tiktoken 来估算使用 TokenTextSplitter 所使用的令牌。对于 OpenAI 模型，它可能更准确。
  1. 文本如何分割：按传入的字符分割。
  2. 块大小如何衡量：由 tiktoken 分词器衡量。
npm install @langchain/textsplitters

import { TokenTextSplitter } from "@langchain/textsplitters";
import { readFileSync } from "fs";

// 示例：读取一个长文档
const stateOfTheUnion = readFileSync("state_of_the_union.txt", "utf8");
要使用 TokenTextSplitter 分割，然后用 tiktoken 合并块，请在初始化 TokenTextSplitter 时传入 encodingName（例如 cl100k_base）。请注意，此方法产生的分割可能大于 tiktoken 分词器衡量的块大小。 
import { TokenTextSplitter } from "@langchain/textsplitters";

// 示例：使用 cl100k_base 编码
const splitter = new TokenTextSplitter({ encodingName: "cl100k_base", chunkSize: 10, chunkOverlap: 0 });

const texts = splitter.splitText(stateOfTheUnion);
console.log(texts[0]);

议长女士，副总统女士，我们的第一夫人和第二先生。国会议员和内阁成员。最高法院大法官们。我的美国同胞们。

去年，COVID-19 让我们分离。今年，我们终于再次相聚。

今晚，我们作为民主党人、共和党人和独立人士相聚。但最重要的是，作为美国人。

我们彼此之间、对美国人民、对宪法负有责任。
将这些文档通过 MCP 连接到 Claude、VSCode 等，以获取实时答案。
在 GitHub 上编辑此页面 或 提交问题。