这一档模型的参数意味着什么
Qwen 10000K 上下文模型，其上下文长度高达 10,000,000 token，意味着单次请求可处理的海量输入，为复杂知识库的深度召回提供了充足空间。单次最大输出未标注，通常表示模型会根据输入和任务智能控制输出长度。引用上限 10,000,000 确保了在 RAG 场景下，模型可以引用大量知识片段进行回答，极大地提升了信息检索的广度。图片输入 false 表明该模型不具备多模态能力，无法直接处理图像信息。工具调用 false 则说明模型不直接支持函数调用或外部工具集成，所有交互需通过 Prompt Engineering 实现。
配 OceanBase 要定哪些
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
OCEANBASE_URL | ob://user:password@host:port/database | OceanBase 连接协议与凭证，确保 FastGPT 能正确连接。SEEKDB 也遵循此配置口径。 |
ef_construction | 64 | HNSW 索引构建参数，影响索引质量与构建速度，64 是一个平衡值。 |
m=16 | 16 | HNSW 索引邻居数参数，影响召回精度与查询效率，16 是工程实践中的常用值。 |
recall_top_k | 前 5 条 | 向量库返回的初始召回条数，需要根据模型上下文容量调整。 |
chunk_size | 800–1200 字符 | 知识库切片长度，兼顾信息完整性和模型处理效率。 |
embedding_model | text-embedding-v2 | 确保与向量化时使用的模型一致，保证向量空间匹配。 |
这两者互相约束的地方
Qwen 10000K 上下文模型与 OceanBase 向量库的协同，核心在于上下文容量的合理利用。召回条数乘以每段长度的总和，必须严格控制在模型 10,000,000 token 的上下文预算内，否则会导致输入截断或性能下降。引用上限 10,000,000 token 决定了模型最终能引用的知识段落总数，而向量库的 recall_top_k 参数则限制了初始的召回数量。在实际应用中，这两者取最小值生效。OceanBase 的 ef_construction 和 m 等索引参数调大，通常会提高向量检索的精度，但也会增加索引构建时间和存储空间。对于 Qwen 10000K 这种大上下文模型，高精度的召回能更好地利用其处理能力，减少误导信息，但同时也要权衡查询延迟。
容易做错的三处
- 日志显示
Error: Connection refused for OceanBase：OCEANBASE_URL配置的主机或端口不正确，或 OceanBase 服务未启动。 - 模型返回内容与知识库内容相关性差，但 OceanBase 召回条数正常：
embedding_model未与知识库构建时使用的模型保持一致，导致向量空间不匹配。 - Prompt 中引用内容不完整，或引用段落数量远少于预期：
recall_top_k设置过低，或知识库切片chunk_size过长导致上下文超限被截断。
怎么确认配好了
- 在 FastGPT 知识库管理界面上传文档，观察日志中 OceanBase 索引构建过程是否正常，无报错信息。
- 通过 FastGPT 的调试功能，输入与知识库相关的查询，检查返回的引用内容是否准确、全面，并与 OceanBase 中存储的原文进行比对。
- 逐步调整
recall_top_k和知识库切片长度，观察模型生成回答的质量和引用段落的数量变化，找到一个平衡点。 - 使用 OceanBase 客户端工具连接到数据库，查询相关的向量表，确认向量数据已成功写入且索引结构完整。