RAG检索老召回不相关片段，是不是我切分chunk的方式有问题？

固定长度切分确实容易把语义割裂，尤其是条款列表这种结构化内容，中间一刀切下去，上下文就断了。我之前也踩过这个坑，后来改成按段落和标题层级来切，再用递归字符分割器，效果明显好很多。你可以试试先用正则把目录、条款编号、章节标题识别出来，作为切分锚点，而不是单纯按字符数。另外，top_k调大其实治标不治本，因为检索相关性本身就不准，不如试试混合检索，比如用BM25做关键词匹配和embedding做语义召回，然后做RRF融合排序，能缓解不少语义错位。还有个细节，PDF转txt后经常有页眉页脚和乱码，清洗干净再切分也很关键，不然chunk里混入噪音，embedding质量会大打折扣。你那个“合同有效期”的问题，可能还要考虑下是不是query本身太泛，可以试试用LLM先做query改写，拆成几个子问题分别检索再合并，这样比直接搜原始query更稳。

固定长度切分确实容易切断语义，试试按标题或段落边界切，再配合父子chunk召回。

或者用重排序模型给召回结果打分，能滤掉不少不相关的片段。