最近在搭一个基于LangChain的客服Agent，知识库用的是向量数据库（Chroma+OpenAI embedding）。单轮问答效果还行，但一旦进入多轮对话，比如用户先问“退款政策”，再追问“那需要多久到账”，系统很多时候会直接去查“到账时间”相关切片，而忽略了第一轮的“退款”上下文，导致答非所问。我试过把历史对话拼进query再embedding，但感觉语义被稀释了，检索召回反而变差。也试过用LLM做query改写，但延迟和成本上去了，效果还不稳定。想问下大家在生产环境里一般怎么处理这种多轮检索的“上下文漂移”？是重排策略、记忆压缩，还是干脆把工具调用逻辑改成先意图识别再决定检索范围？求个靠谱的实践方向。