问腾讯云向量数据库写入大批量文档后检索结果相似度偏低，如何调优？

场景：使用腾讯云向量数据库（Tencent Cloud VectorDB）搭建内部文档问答，用 Python SDK 批量写入约 20 万条文本切片，embedding 维度 1024，索引类型 HNSW，相似度度量 COSINE。 环境：Python 3.10，tcvectordb SDK，实例为单副本 2 分片规格。 现象：数据写完后检索，同一个问题返回的前 5 条结果相似度分数普遍在 0.55 到 0.65 之间，明显相关的片段有时排到第 8 名之后，而数据量只有几千条时效果正常。 已尝试： 1. 把 HNSW 的 M 从 16 调到 32、efConstruction 调到 200，效果略有改善但仍不稳定。 2. 检索时把 ef 参数调大，延迟上升明显。 3. 确认写入的向量没有做归一化，不确定是否影响 COSINE 度量。 想请教： 1. 大批量写入后需要等待索引重建完成才会稳定吗，如何判断重建状态？ 2. HNSW 参数 M、efConstruction、ef 在 20 万量级下的合理取值范围是什么？ 3. 使用 COSINE 度量时是否需要在写入前自行做向量归一化？