我一直在努力设置本地文档，将其导入vectordb并作为LLM上下文的嵌入使用。
问题是，本地文档非常高级（请查看下面的详细信息）。它被分块并进行了嵌入后，
- 当询问与标题相关的问题时，只返回前几个文本块（例如：heading_1：项目列表 --- 当向vectordb询问关于heading_1时，它只返回包含heading_1的少数嵌入块）。
- 某些问题还捕获了前一个点的（语句/项目符号）数据以进行回答（例如：1. 项目1：blah blah \n 项目2：foo foo ---- 当询问有关项目2的问题时，向量数据库也会返回项目1的"blah blah"）。
大多数情况下，返回的是部分嵌入，有时即使信息存在，也不会返回嵌入...
更多信息 -
本地文件-非常高级。主要包含关于主题的项目/更新/陈述的项目列表（PDF文件） pdf阅读器-PyMuPdf vecordb-Chroma LLM-GPT4ALL 句子转换器-all-MiniLM-L6-v2 （顺便说一下，我是一名数据工程师，在做这个过程中学习...）我猜这是因为缺乏上下文（模型不知道，并且嵌入也不知道）。所以我计划给文档添加更多上下文，方法如下：
- 识别标题和项目列表，并添加上下文，例如“以下/以上是项目列表…” - （只是一个想法）创建一个嵌套的无结构数据字典（如何-使用PyMuPdf，可以访问文本的大小，因此使用它来创建嵌套的字典，其中标题是键，内容或子项是值） - 或者只是按（标题，内容）拆分，并将其作为单独的源推送到vectordb，并附带一些元数据
这些方法有效吗？还是有更好的解决方案？（在这一点上，训练模型将是最后的手段）