RAG检索老召回不相关片段，是chunk切法问题还是embedding模型选错了？

这个思路不错，收藏了。

你这个现象我第一反应是query和doc的语义空间没对齐，“退款流程”和“退货政策”在字面上确实很近，但意图差挺多。bge-m3对中英混合其实还行，但产品手册和工单记录这两种文体差异很大，工单里口语化表达多，手册偏正式，混在一个索引里embedding容易被工单带偏。你可以先做个简单验证：把检索到的top10片段单独拿出来看，如果“退货政策”那段确实包含“退款”字眼但只是政策条款，那更像是rerank缺失的问题，不是召回阶段能解决的。chunk_size 512和256都试过还不稳，说明切法不是主要矛盾，倒是可以试试按标题层级切而不是固定长度，产品手册一般有明确章节结构。另外query改写那步值得查一下，有没有把“退款流程怎么走”改写成更贴近文档表述的形式，比如补上“操作步骤”“申请入口”这类词。还有一个容易被忽略的点，你混中英文的话，工单里可能有英文术语，检索时query是中文但命中英文片段，相似度算出来会偏低，可以考虑给不同来源的文档加个轻量rerank或者按来源做加权。排查顺序我一般先看召回片段本身对不对，再看rerank有没有救回来，最后才动embedding和chunk，不然容易白折腾。