这个坑值得记一笔。RAG 先召回 50 条，再用 bge-reranker-v2-m3 重排取 top3，答案里缺了关键数字，把中间结果落盘后发现正确块排在第 4，刚好被截掉。
刚开始盯着「分数阈值过滤掉了边界样本」，折腾了半个多小时，排掉了。
这类报错背后常见的原因有几处，逐个排除就行。top_k 设得太小，重排波动就会挤掉正确块；reranker 的输入被截到 512 token，长块信息丢失；去重时把包含正确数字的块合并掉了。
先把重排后的前 10 条分数和片段落盘
python rerank_dump.py --topk 10 --out rerank.jsonl然后把 top_k 放宽到 8 再生成一次答案
python rag_answer.py --topk 8 --question q.txt再往下对超长块先切分再送进重排模型
python split_blocks.py --max-tokens 400 --input blocks.jsonl末了检查去重逻辑是否按内容哈希误合并
python dedup_blocks.py --dry-run --show-merged别只看报错消失，验证要多做一步。正确块稳定出现在前 3，答案里的数字与原文一致，抽 20 个问题复核命中率明显上升。
容易忽略的是，重排分数在相邻名次之间差别很小，取 top3 等于把排序噪声直接变成召回损失，多留几条再交给模型判断通常更划算。改动前把原配置备份一份，出问题能马上回滚，这比任何技巧都实用。