最近在调一个基于本地知识库的RAG问答，用的bge-m3做embedding，faiss做检索，top_k取了20，然后接了个bge-reranker重排。现在问题是：query问“XX功能怎么配置”，召回的top20里有一半都是讲类似概念但实际是别的内容，重排之后前面几段还是高度相似但不直接相关的段落。试过调chunk_size（从512改到256）、overlap也加了，还试过hybrid search（BM25+向量），但效果提升不明显。现在怀疑是不是embedding模型对领域术语区分度不够，还是说需要先做个query改写？有没有人遇到过类似情况的，求个方向，不想上来就上微调。