最近在做一个基于私有文档的问答机器人，用OpenAI embedding + pgvector存的向量。数据量不大，大概5万条chunk，但召回效果一直不太行。尤其是一些语义相近但答案不同的场景，top5返回的基本都是噪音，反而精确关键词匹配的效果更好。我试着调了调embedding模型和chunk大小，提升有限。看社区都在吹专门的向量数据库（Milvus、Qdrant这些），说性能强、还有混合检索。想问问各位大佬，这种场景下，换库到底能有多大提升？还是说问题主要出在embedding和分块策略上？有没有类似踩过坑的，求指点一下。