最近自己在搭一个基于本地知识库的RAG系统，用的bge-large做embedding，chunk大小设成了512。实际测试时，top-k检索返回了10个chunk，但LLM（qwen2.5-7b）经常把不相关的信息也揉进回答里，导致输出又长又偏。我想只让模型聚焦最相关的1-2个chunk，但又怕丢失关键细节。试过调低相似度阈值，结果有时直接没内容返回。请问大家是怎么控制检索“精度”的？是调整chunk大小、rerank、还是Prompt里加限制？求具体踩坑经验。