最近在搭一个个人知识库的RAG项目，主要用来处理一些PDF论文和Markdown笔记。目前用的框架是LangChain，向量库用的Chroma，但到选embedding模型这一步卡住了。看了一些评测，BGE-large-zh-v1.5和m3e-base好像都不错，但实际测试下来发现差距挺明显的：BGE对长文本的语义捕捉确实更稳，但速度和显存占用有点吃不消；M3E轻量很多，可碰到一些专业术语或者中英混合的句子就有点飘。想问问大家在生产或者实际项目中更倾向用哪个？另外有没有必要上那种带指令（instruction）的版本？我目前数据量大概几万条，后面可能会扩到几十万，担心迁移成本。求有经验的大佬指点一下，或者推荐其他更合适的开源方案也行。