最近在尝试用RAG技术给团队内部的AI编程工具做增强，主要是想把公司历史项目里的代码片段作为外部知识库，让模型在写新功能时能参考相似的实现逻辑。但跑起来后发现一个问题：检索到的代码片段往往只包含几百行，而实际需要理解一个完整的函数调用链（比如服务层、DAO层、工具类混在一起），模型经常忽略上下文依赖，生成的代码逻辑不连贯。试过调大chunk size，但检索精度又下降了。有没有朋友踩过类似的坑？是应该优化分块策略，还是换个方式做rerank？求经验分享。