这一档模型的参数意味着什么
MiniMax M2-her 模型提供 64000 的上下文长度，这意味着在单次对话中，模型可以处理的输入信息总量（包括用户提问、历史对话和知识库召回内容）上限为 64000 个 token。引用上限 60000 标识了知识库召回内容能够占据的最大 token 空间。尽管单次最大输出长度未明确标注，但通常会建议预留足够的上下文空间给模型生成回答。该模型不支持图片输入和工具调用，因此在设计 RAG 链路时，无需考虑多模态输入处理和外部工具集成。这些参数共同决定了系统在信息检索、内容组织和模型交互层面的工程约束。
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 | 数据库连接标准格式，确保 FastGPT 能正确连接。 |
ef_construction | 64 | 构建 HNSW 索引时的邻居搜索参数，影响索引质量和构建速度。 |
ef_search | 40 | 搜索 HNSW 索引时的邻居搜索参数，影响搜索精度和速度。 |
m | 32 | HNSW 索引中每个层级节点的最大连接数，影响索引大小和搜索效率。 |
| 召回条数 | 前 5-8 条 | 经验值，平衡召回质量和上下文长度，避免超出模型引用上限。 |
| 单段最大长度 | 800-1200 字符 | 控制召回文本段落的粒度，避免过长或过短，影响模型理解。 |
这两者互相约束的地方
模型上下文长度是核心约束。MiniMax M2-her 的 64000 token 上下文长度，必须容纳用户输入、历史对话以及 PostgreSQL（pgvector）召回的知识段落。这意味着召回条数与每段长度的乘积，加上其他上下文内容，不能超过 64000 token。引用上限 60000 进一步限定了知识库召回内容的最大 token 量，即使向量库返回了更多条目，也只会在 60000 token 内截断。当向量库的 ef_construction 和 ef_search 参数调大时，索引构建和搜索精度会提高，但可能增加资源消耗和搜索延迟。对于 MiniMax M2-her 这种高上下文模型，高质量的召回能更好地利用其处理能力，因此适当调优向量库参数以提升召回质量是必要的。然而，过高的参数值可能会导致查询超时或资源耗尽，需要根据实际负载进行权衡。
容易做错的三处
- 出现
Context window exceeded错误：召回内容加上用户输入和历史对话的总 token 数超过了 64000。 - 召回结果不准确：
ef_search参数设置过低，导致 HNSW 索引搜索精度不足。 - 向量搜索响应缓慢：
ef_construction参数设置过高，或者m值过大，导致索引构建耗时过长或查询效率下降。
怎么确认配好了
- 在 FastGPT 知识库管理界面，上传文档后，检查向量化任务状态是否为
完成。 - 通过 FastGPT 的调试功能，观察模型响应中引用的知识段落，确认召回内容与预期相关性。
- 监控 PostgreSQL（pgvector）的日志，检查是否有
ERROR或WARNING级别的 HNSW 索引操作相关信息。