最近在搭一个垂直领域（法律条文）的RAG问答，用的bge-m3做embedding，chunk大概300字左右。结果发现好多问题检索回来的片段相关性很差，比如用户问“合同违约金上限”，召回的全是讲“定金罚则”的段落……试过调top_k和相似度阈值没啥用。想问问各位，这种情况一般是分块策略不对（比如应该按条款语义切而不是固定窗口），还是说embedding模型对法律这种专有名词密集的文本本来就不够敏感？另外有没有必要上重排（rerank）？先谢过各位大佬了。