用途：将源代码切成适合 LLM 上下文窗口的片段，同时保持语法完整，避免在函数、类或代码块中间断开而丢失上下文。
主要能力：ts-pack process <file> --chunk-size <bytes> 按语法边界切分，每个块是完整的语法单元；--chunk-size 为最大字节数，切分器会把完整语法单元打包到该上限内，单个超大的语法结构会单独成为一块而不被切开；分块写入常规 process JSON 输出的 chunks 数组，每个块包含源码文本与跨度信息（行/字节偏移），便于引用或在原文件中重新定位。
用法：ts-pack process src/app.ts --chunk-size 2000；选择大小时按下游模型的 token 预算估算，代码约 bytes÷4≈tokens，故 --chunk-size 4000 大致为 1k tokens，并需为提示词、上下文消息和回复预留空间，不要按完整上下文窗口来定块大小。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)}'；逐块喂给 LLM：ts-pack process big_module.py --chunk-size 2500 | jq -c '.chunks[]'。SDK 等价方式是在 ProcessConfig 上设置 chunk_max_size（字节），与 CLI 的 --chunk-size 相同：from tree_sitter_language_pack import process, ProcessConfig; config = ProcessConfig("python", chunk_max_size=2500); result = process(source_code, config); for chunk in result.chunks: send_to_llm(chunk.content)。ProcessConfig 是冻结 dataclass，需通过构造器传入，ProcessResult 是对象而非字典。
适用场景：文件较大、批量建立 RAG 索引，或需要稳定且语法连贯的引用单元时使用分块；单个小文件若已能放入上下文窗口，则不必分块，直接整体传入。
限制：资料未提供支持的语言列表、性能数据、错误处理与除上述参数外的配置项，暂未提供。