问题出现得很突然，日志倒是留得挺全。用 e5 系列模型做检索，向量相似度普遍偏高且区分度差，同义句和无关句的分数几乎一样。
刚开始盯着「前缀带了多余空格或大小写不一致」，折腾了半个多小时，排掉了。
真正麻烦的地方在于，几个原因的现象几乎一样。查询侧漏了 query 前缀，与训练方式不一致。少数情况下是文档侧应该加 passage 前缀。
另外，批量编码时把前缀拼在了截断之后。
动手时先查询编码时补上 query 前缀
q = 'query: ' + text; vec = model.encode(q)文档入库时统一加 passage 前缀
d = 'passage: ' + doc; vec = model.encode(d)接着确认前缀在截断前拼接
python -c "print(len(tokenizer.encode(q)))"剩下的就是用标注样本验证区分度
python eval_sim.py --pairs pairs.tsv怎么算真的好了，看的是同一批现象。正样本相似度明显高于负样本，分布拉开了差距，检索排序恢复正常。
补一句。前缀必须严格照模型卡写，多一个空格都会让效果打折，而系统不会报错，只会安静地变差。拖得越久，排查成本越高，因为现场状态会被后续操作覆盖。