最近在做RAG项目，用的pipeline是PDF解析→固定512字符分块（重叠128）→bge-large-zh→存入Milvus，检索用的也是默认的余弦相似度。测试集是公司内部合同文档，大概200份，人工标注了50个问答对。现在top-5召回率只有62%左右，有些明明语义很接近的问题，召回来的片段却答非所问。我试过调小topk阈值，但精准率掉得更快。想问问有经验的前辈，这种场景下是不是不该用固定分块？还是说国产embedding模型在长尾专有名词上就是不如OpenAI的ada-002？另外，Milvus里的索引类型（IVF_FLAT还是HNSW）对召回率影响大吗？有点迷茫，希望有实战经验的大佬指点一下方向。