最近在做一个RAG项目，用的Milvus存了大概50万条文档向量（OpenAI的1536维embedding）。目前测试下来，top-10召回率只有可怜的62%左右，但用余弦相似度直接暴力计算（numpy）能到85%以上。我确认了索引类型（IVF_FLAT）、nlist和nprobe都调过了，甚至试了HNSW，效果还是差一截。数据分布应该没问题，因为暴力检索的结果是准的。感觉是不是我哪里理解错了？比如参数设置和向量归一化是不是有关系？或者查询时是不是要加什么粗排精排的策略？有没有大佬遇到过类似情况，或者能分享下你们生产环境里的调优经验？另外，有没有必要上rerank模型？先谢过了。