[Bug] 知识库分块：RecursiveCharacterChunker 的 overlap 重复计长导致输出块超限，embedding 数量失真 #9901

问题描述

RecursiveCharacterChunker 在块重叠（overlap）处理上会产出超过 chunk_size 上限的块。

astrbot/core/knowledge_base/chunking/recursive.py（约 108-123 行）：当一个 split 会导致当前块超过 chunk_size 时，代码先 flush 当前块，然后取 combined_text[-overlap:] 作为 overlap_text，并直接构造 current_chunk = [overlap_text, split]、current_chunk_length = len(overlap_text) + split_length——没有重新检查这个新累计长度是否已经超过 chunk_size。因此下一个 flush 出来的块实际是 chunk_size + overlap 的长度（默认 512/50 下每块约 562 字符，超过配置上限）。

而同一模块的 _split_by_character（约 160-161 行）反而有 overlap >= chunk_size 时抛异常的防护，两条路径行为不一致。

影响

• 默认 RecursiveCharacterChunker（默认分块器）入库的所有文档，分块均超过配置上限
• 用户在 dashboard 调大 overlap 时，每块中 overlap 部分占比畸高，重复内容被反复嵌入，embedding 数量与检索质量都受影响

建议修复

flush 并追加 overlap_text 后，重新计算累计长度并检查是否超过 chunk_size；若超过则按独立块处理，或与 _split_by_character 保持一致的防护逻辑。