Phân đoạn đề xuất là một phương pháp cải thiện độ chính xác của tìm kiếm RAG bằng cách chia tài liệu thành ``đơn vị thực tế tối thiểu khép kín về mặt ngữ nghĩa (các mệnh đề)'' thay vì các từ hoặc độ dài cố định.
Không giống như phân đoạn truyền thống, phân chia văn bản thành các mã thông báo hoặc đoạn văn một cách máy móc, phân đoạn mệnh đề sử dụng LLM để phân tách tài liệu thành một mệnh đề thực tế duy nhất bao gồm "ai, cái gì và khi nào" rồi vector hóa nó. Vì nhiều thông tin không được trộn lẫn trong một đoạn nên người ta cho rằng điều này có thể giảm nhiễu trong quá trình tìm kiếm và cải thiện độ chính xác phản hồi của RAG. Mặt khác, trong quá trình vận hành thực tế vào năm 2026, sẽ cần phải có thêm các cuộc gọi đến thế hệ AI để trích xuất các đề xuất, do đó, có một rủi ro là chi phí và thời gian xử lý để xây dựng chỉ mục có thể sẽ tăng lên nhiều lần so với phân đoạn thông thường. Ở những nơi làm việc có số lượng lớn tài liệu, nếu tất cả tài liệu được chuyển đổi thành đề xuất thì chi phí API sẽ quá lớn để có thể bỏ qua, do đó, cách thực tế để chọn ở nơi làm việc là trước tiên thu hẹp ứng dụng vào các khu vực mà "một sai lầm có thể gây tử vong" chẳng hạn như Câu hỏi thường gặp và tài liệu chính sách, đồng thời sử dụng phân đoạn có độ dài cố định cho nội dung dạng dài nói chung.