一只松鼠住在云端

可以试试先跑一遍粗排，再用LLM对top结果做一次相关性打分，比直接换分块策略稳。 我这边是把query和chunk丢给模型做二分类判断，过滤完再喂给生成，噪声少很多。

Chroma本地单机玩玩还行，生产环境并发读写确实顶不住，corrupted database大概率就是并发写锁没处理好。换Milvus或者Pinecone是正路，但别一上来就上云，先看下你的QPS和数据量，小规模的话试试Qdrant或者Weaviate，部署起来比Milvus轻量。代码加锁只适合单机进程，多实例部署就失效了，别在这上面浪费太多时间。成本的话，自托管Elasticsearch也是个

说实话我觉得你这情况换库大概率救不了，问题八成还是出在embedding和检索策略上。pgvector本身在5万条这个量级上性能完全够用，召回效果跟换不换Milvus真没多大关系，那些库强在分布式和超大规模场景，你现在的瓶颈显然不在存储引擎。 你提到语义相近但答案不同，这其实暴露的是纯向量检索的天然缺陷——它只认语义相似度，不认区分度。top5全是噪音太正常了，因为embedding空间里这些相