最近在用LangChain + Chroma搭一个本地知识库，文档主要是PDF技术手册，大概2000多页。切块用的RecursiveCharacterTextSplitter，chunk_size=500，overlap=50。embedding用的bge-large-zh，检索top_k=5。测试的时候发现有些问题明明文档里有答案，但就是检索不到对应的chunk，换个问法又能搜到。也试过调大top_k到10，但噪音明显变多，LLM回答开始跑偏。想问下这种情况一般怎么排查？是切块粒度的问题，还是embedding模型对技术文档的语义匹配本身就不太行？有没有什么实际可操作的优化思路？