最近在做一个基于LangChain的RAG问答demo，用的是Chroma做向量库，embedding模型是bge-small。流程跑通了，但发现一个问题：每次检索top-5的文档块，拼起来经常超过模型上下文限制，尤其是用一些上下文窗口比较小的开源模型时直接报错。试过调小chunk size，但召回效果又变差了，感觉精度和长度很难兼顾。想问问大家一般是怎么处理这个问题的？有没有什么动态截断或者重排序的实用方案？