这一档模型的参数意味着什么
上下文长度 maxContext 达到 262144 token，这意味着模型在单次对话中能处理的输入信息量极大，可容纳更长的历史对话或更丰富的参考资料。引用上限 quoteMaxToken 设定为 256000 token，这是 FastGPT 用于承载检索内容的预算，引用内容的总 token 量将受此限制。段落条数由检索系统返回，与引用上限是两个独立的量。图片输入能力允许模型处理视觉信息，拓宽了应用场景。工具调用能力则支持模型与外部系统交互，实现更复杂的自动化流程。
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 | FastGPT 连接 openGauss 数据库的必要凭据，确保连接字符串包含所有鉴权信息。 |
ef_construction | 64 | HNSW 索引构建参数，影响索引质量与构建时间。此值在 32-128 之间通常能取得良好平衡，64 为一个常用起点。 |
ef_search | 32 | HNSW 索引查询参数，影响查询召回率与查询速度。此值建议不小于 m，且通常小于 ef_construction。 |
m | 32 | HNSW 索引图的每层最大邻居数。此值越大，索引质量越高，但索引大小和查询时间也随之增加。 |
vector_dimension | 1536 | 向量维度，需与嵌入模型输出的维度一致。 |
chunk_size | 800–1200 字符 | 单个知识块的文本长度，影响检索粒度与引用效率。 |
这两者互相约束的地方
模型上下文的 262144 token 预算是总的输入上限，其中包括了用户输入、系统指令以及检索到的内容。引用上限 256000 token 专门用于检索内容的预算，它按 token 量计算。向量库返回的是固定数量的段落条数，当每段文本较短时，可能在达到引用上限前就已返回了大量段落；反之，若每段文本很长，则可能在返回少量段落后就触及了引用上限。索引参数 ef_construction 和 ef_search 的调高，会提升 openGauss 向量检索的准确度，增加召回相关内容的概率，进而使得模型能够接收到更精准的输入，但同时也会增加索引构建和查询的资源消耗。
容易做错的三处
- 错误信息显示
openGauss connection refused：OPENGAUSS_URL配置有误，导致 FastGPT 无法建立数据库连接，通常是主机、端口或凭据不正确。 - 检索结果为空或不相关：
ef_search设置过低，导致向量检索未能有效遍历 HNSW 图，未能召回足够的相关段落。 - 模型输出内容过短或不完整：
quoteMaxToken未充分利用，或chunk_size过大导致单个检索段落占用过多 token，使得实际可引用的有效信息量不足。
怎么确认配好了
- 在 FastGPT 知识库管理界面，上传文档并观察分段情况，确认
chunk_size配置是否符合预期。 - 通过 FastGPT 的调试模式，查看每次检索的原始召回条数和引用内容的实际 token 占用，核对是否接近
quoteMaxToken上限。 - 执行模拟查询，检查 openGauss 数据库的日志，确认
ef_search参数生效且查询响应时间在可接受范围内。 - 在 FastGPT 的模型配置页面，检查
quoteMaxToken的数值与本页建议是否一致，确保模型能预算到足够的引用内容。