最近在做一个文档语义搜索的小项目，用Milvus + OpenAI的嵌入模型，索引类型用的IVF_FLAT。测试阶段，我手动标了100条相似文本做召回评估，结果top-10召回率只有60%左右。我已经调了nprobe（从8调到64），也试过重建索引、换不同距离度量（余弦 vs L2），但效果提升不明显。我的困惑是：是不是我选的嵌入模型维度太高（1536维）导致IVF_FLAT效果差？还是说100条样本太少、评估本身就有问题？或者干脆我应该换HNSW？另外，有没有快速诊断某个向量搜索任务瓶颈的通用思路？求有实战经验的老哥指点一下，谢谢。