最近在用LangChain + Chroma搭一个RAG问答系统，文档量大概几千条。检索时发现similarity_search_with_score返回的分数范围很奇怪，有时候0.2分的内容看起来相关，有时候0.8分的反而答非所问。我试过卡阈值0.5，但效果很不稳定，要么召回太少，要么塞一堆噪声给LLM，回答质量反而下降。想问问大家在实际项目里是怎么处理这个相似度分数的？是直接top-k固定数量，还是动态阈值？还是说应该换个检索策略比如MMR？有点迷茫，求指点。