用途：把源码切分成适合 LLM 上下文窗口的块，避免按固定字节或行数切分时把函数截半、丢失上下文。基于 tree-sitter 语法解析，按语法边界（完整函数、类、块）切分。
主要能力：命令行 ts-pack process <file> --chunk-size <bytes> 生成约指定字节数以内的块，--chunk-size 为最大字节数；分块器会把完整语法单元打包到该上限，单个超大的构造自成一块而不被切开。分块结果加入正常 process 的 JSON 输出，位于 chunks 数组。
用法：示例 ts-pack process src/app.ts --chunk-size 2000；可与结构提取组合：ts-pack process src/service.py --structure --chunk-size 3000 | jq '{chunks: (.chunks | length), functions: (.structure | length)}'；遍历 chunks 逐个喂给 LLM：ts-pack process big_module.py --chunk-size 2500 | jq -c '.chunks[]'。每个代码块对象含源文本及 span 信息（行/字节偏移），便于引用或回定位原文件。
SDK：通过 ProcessConfig 配置分块，设置 chunk_max_size（字节）；ProcessConfig 是 frozen dataclass，需传入构造函数：config = ProcessConfig("python", chunk_max_size=2500)，result = process(source_code, config)，for chunk in result.chunks:（ProcessResult 是对象而非字典）。
尺寸选择：匹配下游模型 token 预算，粗略规则为代码字节÷4≈token，故 --chunk-size 4000 约 1k token；更大的块保留更多局部上下文但每请求容纳更少；应为提示、周边消息与响应留出余量，不要按满上下文窗口设定。
适用场景：文件较大、批量建 RAG 索引、需要稳定且语法连贯的可引用单元时。限制：单个小文件若已能放入上下文窗口，应跳过不分块、整体传入。资料未提供收费、价格与平台支持信息。