向量召回变差：先查数据、切分和过滤条件

向量召回变差：先查数据、切分和过滤条件

召回率下降不一定是向量模型变差。文档缺失、切分变化、元数据过滤和索引未完成，都可能让相关内容根本没有进入候选集。

从漏召回样本倒查

准备带人工相关性标注的查询集，记录文档版本、切分器、Embedding 模型、索引和过滤表达式。对每个漏召回问题，依次确认目标片段是否存在、向量是否写入、过滤是否误删、近邻排序是否合理。

Top-K 和相似度阈值从评测曲线选择，不能用别人的固定数字。提高 K 会带来更多重排和上下文成本，要一起测。

上线后看什么

监控入库延迟、索引失败、空召回和过滤后候选数量。变更只动一个环节，并用同一评测集比较召回与误召回。没有样本、模型和索引版本的 Benchmark，只是一张无法复现的成绩单。