生产级知识库落地指南

之前搞类似项目也翻过车，512字切分对中文来说粒度太粗了，尤其是时间相关的问题，分段策略得按语义边界来，比如对话轮次或自然段落。另外text2vec-base-chinese对长尾实体和时序语义确实弱，我最后是给每个chunk加了时间戳元数据，检索时按时间范围过滤，效果比单纯调embedding明显。可以先试试这个，代价最小。