先把当时的情况摆出来。用户输入三个字「退款慢」直接拿去做向量检索，top5 全是泛泛的售后政策段落，真正讲超时退款的文档排在第 30 位，加一步改写后 top3 就命中了。
排查方向其实有限，先把可能性排一排。短语语义信息太少，向量区分度低。少数情况下是知识库里的表述是超时未到账，用词对不上。
另外，没有同义词扩展与领域词典。少数情况下是chunk 偏长，单段覆盖多个主题。
上来先把短 query 的 top20 结果打出来看分布
python search_probe.py --query 退款慢 --topk 20 --out probe.json接着让模型把 query 扩写成完整问句再检索
python rewrite_query.py --q 退款慢 --out q2.txt随后用同义词表补上超时与未到账
python -c "print('退款慢 超时 未到账 到账时间')"混合 BM25 与向量，对比改写前后的命中位置
python eval_recall.py --before probe.json --after probe2.json别只看报错消失，验证要多做一步。同一问题下正确文档从第 30 位升到前 3，人工抽检 30 条查询命中率明显提高。
这里还有个坑。短查询补全比调 top_k 有效，先让 query 带上领域词，再考虑换 embedding 模型。同一份配置在测试环境跑通，不代表线上没事，两边的默认值经常不一样。