最近在做一个内部知识库的问答机器人，用的PGVector+OpenAI embedding（text-embedding-3-small）。数据大概5万条文档切片，chunk_size试过256和512，重叠设了50。问题是用户问“公司年假政策”，召回的前20条里经常混进一堆“报销流程”之类的无关内容，top5准确率只有60%左右。已经试过调相似度阈值（0.75和0.8都试了），也加了metadata过滤（比如部门、日期），但还是感觉向量距离和语义相关度对不上。是不是我embedding模型选太小了？还是说必须上专门的向量数据库（比如Milvus）才有效果？或者有什么粗排+精排的实用做法？求有实战经验的大佬指点下，别让我去啃那些又长又散的官方文档。