这一档模型的参数意味着什么
Hunyuan 256K 档模型，其上下文长度 maxContext 为 256000 token，决定了单次交互中模型可处理的总信息量。单次最大输出长度未标注，意味着模型可以生成较长的回答内容。引用上限 quoteMaxToken 为 192000 token，此参数限定了所有引用内容合计占用的 token 预算。段落条数由检索系统返回，与引用内容的 token 预算是两个独立的衡量维度。工具调用功能 tool_calling 为 true，支持模型执行外部工具操作；图片输入功能 image_input 为 false，表示模型不具备直接处理图像信息的能力。
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 | 数据库连接标准配置，确保 FastGPT 能正确连接到 pgvector 实例。 |
ef_construction | 64–128 | 控制 HNSW 索引构建时的图层连接数，数值越大索引质量越高，但构建时间与内存消耗也随之增加。 |
ef_search | 40–60 | 控制 HNSW 索引查询时的邻居节点搜索范围，数值越大召回率越高，但查询延迟也随之增加。 |
m | 32 | HNSW 索引的最大连接数，影响图的稠密程度，过高会增加内存占用，过低会影响召回性能。 |
vector_ip_ops | true | pgvector 向量运算类型，设置为 true 启用内积距离计算，适用于需要度量向量相似度的场景。 |
max_connections | 100–200 | PostgreSQL 最大并发连接数，需根据 FastGPT 的并发请求量及数据库负载能力进行配置。 |
这两者互相约束的地方
模型的 256000 token 上下文预算与 pgvector 返回的召回条数及每段长度紧密相关。召回条数乘以每段文本的平均 token 数，其总和必须低于模型的上下文长度，以确保所有输入都能被模型处理。引用上限 quoteMaxToken 为 192000 token，这是对引用内容总 token 量的约束。pgvector 返回的是若干段文本，按条数计。当单段文本较长时，即使返回的条数不多，也可能迅速触达引用上限；当单段文本较短时，可以返回更多条。索引参数 ef_construction 和 ef_search 调大后，pgvector 的召回精度通常更高，这为模型提供了更相关、更优质的引用内容，从而可能提升模型回答的准确性与相关性。
容易做错的三处
- 日志显示
ERROR: relation "vectors" does not exist：原因是没有正确初始化 pgvector 扩展或表结构。 - 查询返回的召回条数远低于预期：原因可能是
ef_search配置过低，导致 HNSW 索引搜索范围不足，未能找到足够多的邻近向量。 - 模型回答中引用内容为空或不相关：原因可能是向量嵌入质量不高，或者 pgvector 的
ef_construction或m值设置不当，导致索引构建质量不佳。
怎么确认配好了
- 运行 FastGPT 内置的向量搜索测试，检查 pgvector 返回的召回条数和相关性分数是否符合预期。
- 监控 PostgreSQL 数据库的 CPU、内存及 I/O 使用率，确保在高并发查询下数据库性能稳定。
- 通过 FastGPT 界面发起多次问答，观察模型回答中引用内容的准确性、完整性以及是否能够有效利用引文。