最近在搭一个基于公司内部文档的RAG问答系统，用的bge-large-zh-v1.5做Embedding，Chunk大小设了512。测试时发现，用户问“报销流程”，检索到的片段经常是“差旅费报销”，但忽略其他类型的报销。也试过增大Top K，结果混进很多不相关的内容。想请教一下，这种情况是不是Embedding模型对细粒度语义区分不够？还是说Chunk策略有问题？有没有必要换成更轻量的模型或者加一层reranker？哪位大佬踩过坑，求指点。