这一档模型的参数意味着什么
Qwen Max 模型档位，其 128000 的上下文长度，意味着单次请求可以处理极大量的输入文本，为复杂的知识召回和长文档理解提供了空间。120000 的引用上限，则限制了知识库召回内容在模型输入中的实际占比。工具调用能力 true 表明此模型能够与外部工具进行交互，支持 Agent 模式下的复杂任务编排。图片输入为 false，表示此模型不直接处理图像数据，在多模态应用中需进行预处理或搭配其他模型。
配 Milvus 要定哪些
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
MILVUS_ADDRESS | 127.0.0.1:19530 或具体 IP:端口 | Milvus 服务端点，确保连接可达性 |
MILVUS_TOKEN | 按实际认证凭据配置 | Milvus 访问控制，保障数据安全 |
HNSW | M=16, efConstruction=128 | HNSW 索引参数，平衡召回质量与查询延迟 |
IP | COSINE | 向量距离度量方式，适用于文本嵌入语义相似性比较 |
top_k | 32 | Milvus 单次查询返回的向量数量，为模型引用上限预留空间 |
chunk_size | 800–1200 字符 | 知识库文本切片长度，兼顾上下文与检索粒度 |
这两者互相约束的地方
Qwen Max 模型 128K 的上下文长度，为知识召回提供了广阔空间，但 120K 的引用上限实际限制了模型可以引用的知识内容总量。这意味着即便 Milvus 返回了大量相关向量，最终能进入模型上下文的知识片段仍受此上限约束。Milvus 的 top_k 参数决定了召回的原始向量数量，这些向量对应的文本片段经过合并和压缩后，其总长度不能超过模型的上下文长度，且不能超出 120K 的引用上限。当 Milvus 的 HNSW 索引参数，如 efConstruction 调大时，查询的召回精度会提升，可能导致返回更多高质量的相似向量，这要求知识库在处理召回结果时，能更精细地筛选和整合，以满足模型的引用上限和上下文长度限制。
容易做错的三处
- 日志显示 "Milvus connection failed: [Errno 111] Connection refused"：
MILVUS_ADDRESS配置错误或 Milvus 服务未启动。 - 模型返回的引用内容不完整或缺失关键信息：
chunk_size过小导致文本语义丢失，或top_k设置过低未能召回足够多的相关片段。 - 查询响应时间过长，模型等待超时：
HNSW的efConstruction参数设置过大，导致 Milvus 查询耗时增加，或 Milvus 实例资源不足。
怎么确认配好了
- 在 FastGPT 知识库管理页面，尝试添加并索引一个包含多段文本的文档，检查 Milvus 客户端日志，确认向量数据已成功写入。
- 使用 FastGPT 的调试功能，针对特定问题进行知识库检索，观察返回的召回内容条数与质量，并与
top_k参数设定的值进行比对，确认召回条数符合预期。 - 进行多次模拟对话测试，观察模型返回的回复是否能有效利用召回的知识，同时检查模型输入中引用的知识内容是否在 120K 引用上限之内，以此评估
chunk_size和top_k的综合效果。