Почему мой чат-бот LangChain RAG иногда пропускает релевантные фрагменты при семантическом поиске? ⇐ Python

[Anonymous]

Я создал чат-бота RAG, используя встраивания LangChain + ChromaDB + OpenAI. Конвейер работает, но иногда чат-бот не возвращает наиболее релевантный PDF-контент, даже если он существует в векторной базе данных.
Фрагмент кода (упрощенный):

Код: Выделить всё

from langchain.vectorstores import Chroma
from langchain.embeddings import OpenAIEmbeddings

embeddings = OpenAIEmbeddings()
db = Chroma(persist_directory="db", embedding_function=embeddings)

query = "What is the interest rate policy?"
docs = db.similarity_search(query, k=3)

Иногда он извлекает совершенно ненужные документы.
Что я проверил:
Часки были разделены на 500 токенов.
Вложения были созданы с помощью text-embedding-ada-002.
База данных сохраняется правильно.
Вопрос:
Может ли это быть быть связано с размером фрагмента, выбором модели внедрения или показателем сходства?
Как я могу повысить точность поиска?

Подробнее здесь: https://stackoverflow.com/questions/797 ... mantic-sea