这一档模型的参数意味着什么
AntLing 的 Ming-flash-omni 模型，具备 128000 的上下文长度，允许一次性处理大量输入信息。该模型支持图片输入，可用于多模态应用场景。工具调用能力意味着模型可以与外部系统交互，执行特定任务。引用上限为 120000 token，这表明模型在生成回复时，可以整合的引用内容总和的 token 预算。引用内容的条数由检索系统决定，与引用上限是两个独立的概念。
配 PostgreSQL（pgvector） 要定哪些
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PG_URL | postgresql://user:password@host:port/database | 数据库连接字符串，确保可访问 pgvector 扩展 |
vector_dimensions | 1536 | 适配主流 embedding 模型的输出维度，如 text-embedding-ada-002 |
ef_construction | 80 | 控制 HNSW 索引构建时的邻居搜索范围，影响索引质量和构建时间 |
ef_search | 60 | 控制 HNSW 查询时的邻居搜索范围，影响查询召回率与性能 |
m | 32 | HNSW 图中每个节点的最大连接数，影响索引大小和查询效率 |
这两者互相约束的地方
模型的 128000 上下文长度是总预算，其中引用上限为 120000 token。向量库返回的段落条数与每段内容的长度共同决定了实际消耗的 token 量。引用上限是引用内容合计的 token 预算。向量库返回的段落数量是另一个独立的指标。当每段内容的平均长度较短时，可以在不超过引用上限的前提下返回更多条目。反之，若每段内容较长，则可能在条目数较少时即触及引用上限。索引参数 ef_construction 和 m 调大，通常会提高检索精度，从而为模型提供更相关的上下文，但也会增加索引构建时间和存储开销。
容易做错的三处
- 日志中出现
ERROR: function vector_avg(vector) does not exist：通常是pgvector扩展未正确安装或未在数据库中启用。 - 检索结果返回的段落数量显著少于预期：可能是
ef_search参数设置过低，导致搜索范围不足，或quoteMaxToken限制了实际可引用的内容。 - 查询响应时间过长，甚至超时：HNSW 索引未正确创建或参数
ef_search过高，导致查询计算量过大。
怎么确认配好了
- 执行一次包含向量搜索的 RAG 流程，检查日志中是否有 pgvector 相关的 SQL 查询语句，确认数据库交互正常。
- 在 FastGPT 界面上，配置一个包含多段长文本的知识库，观察模型回复中引用的内容是否包含预期信息，并检查引用的 token 数量是否在
quoteMaxToken范围内。 - 通过
EXPLAIN ANALYZE命令分析 pgvector 查询的执行计划，确保 HNSW 索引被有效利用，并评估查询耗时是否在可接受的范围内。