最近在做一个文档问答的RAG项目，用的Milvus存了大概50万条chunk，embedding模型是bge-large-zh。目前遇到的问题是：用户问一些比较具体的问题时，召回的top5里经常混进去一些语义相近但完全不相关的内容，反而真正的答案被挤到十几名开外。我已经试过调相似度阈值、换距离算法（L2和IP都试了），也试过加粗粒度过滤（比如按文档类型先筛一遍），效果都不太稳定。想问下各位老哥，除了无脑加大召回数量或者调topk，还有哪些工程上比较实用的手段能提升召回精度？比如要不要考虑做rerank，或者对chunk做更细的切分策略？现在有点迷茫，感觉数据量上来之后调参的收益越来越不明显了。