这一档模型的参数意味着什么
MiniMax M2 模型提供了高达 196000 token 的上下文长度，这意味着在单次交互中可以容纳极大量的召回内容，为构建复杂知识库应用提供了充裕空间。尽管单次最大输出未标注，但引用上限 190000 token 明确了模型在处理引用信息时的能力边界。模型支持工具调用，使其能够集成外部功能，但在图片输入方面则不具备原生处理能力，这限制了其在多模态应用中的直接应用。这些参数共同定义了模型在处理信息量、输出形式和功能扩展上的工程约束。
配 openGauss 要定哪些
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
OPENGAUSS_URL | postgresql://user:password@host:port/database | 数据库连接字符串，确保 FastGPT 能正确连接到 openGauss 实例。 |
ef_construction | 64 | HNSW 索引构建参数，影响索引质量和构建速度，此值在召回效果与索引效率间取得平衡。 |
ef_search | 32 | HNSW 索引搜索参数，影响搜索召回率，此值在召回精度与查询耗时间取得平衡。 |
m | 32 | HNSW 索引中每个节点的最大连接数，影响索引的内存占用和查询性能，此值在内存与效率间取得平衡。 |
| 知识库分段长度 | 800–1200 字符 | 确保每个文本块能够承载足够语义信息，同时避免过长导致模型处理效率下降。 |
| 召回条数 | 前 10–20 条 | 在保证覆盖率的前提下，避免不必要的向量检索开销，并为模型上下文留出余量。 |
这两者互相约束的地方
MiniMax M2 模型 196000 token 的上下文长度是核心约束。在配置 openGauss 向量库时，召回条数与每段文本长度的乘积必须小于此上限。例如，如果 openGauss 返回 20 条文档，每条文档长度为 1000 字符（约 500 token），则总共占用 10000 token，远低于模型上限。模型的 190000 token 引用上限意味着，即使向量库返回更多条目，最终能被模型用于引用的部分也受此限制。因此，openGauss 的 ef_search 和 m 参数调大，虽然可能提高召回精度，但如果导致返回的向量数量过多或向量内容过长，最终仍会受制于模型的上下文长度和引用上限，可能导致部分高质量召回信息被截断或忽略。
容易做错的三处
- 日志中出现
ERROR: database "fastgpt_db" does not exist：原因是没有正确创建 openGauss 数据库或OPENGAUSS_URL配置错误。 - 模型回复中未引用任何知识库内容，或引用内容过少：原因可能是 openGauss 召回条数设置过低，或者知识库分段策略不合理导致语义信息缺失。
- 知识库查询响应时间过长，甚至超时：原因可能是
ef_search参数设置过高导致查询计算量大，或 openGauss 实例资源不足。
怎么确认配好了
- 在 FastGPT 管理界面上传文档后，检查知识库分段是否符合预期，确认分段长度和数量。
- 通过 FastGPT 的调试功能，观察每次知识库查询返回的召回条数和内容，确保与 openGauss 的配置相符。
- 在 FastGPT 与模型交互时，查看模型实际引用的知识点数量和内容，与 MiniMax M2 模型的引用上限进行对照。