这一档模型的参数意味着什么
SparkDesk 8K 上下文模型系列，其上下文长度 maxContext 达 8000 token，决定了单次交互中模型可处理的输入和输出总量。引用上限 quoteMaxToken 同样为 8000 token，此参数限定了所有引用内容在输入给模型时所占用的 token 总预算。段落的召回数量由检索系统决定，与引用内容的 token 预算是不同的衡量维度。单次最大输出 maxTokens 未标注，意味着实际输出长度需通过实践确定。此档模型不支持图片输入与工具调用，因此不适用于需要多模态输入或复杂外部工具集成的场景。
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 | 数据库连接的标准化 URI 格式，确保 FastGPT 能正确连接到 PostgreSQL 实例。 |
ef_construction | 80 | 控制 HNSW 索引构建时的邻居搜索宽度，影响索引质量与构建时间。 |
ef_search | 60 | 控制 HNSW 索引查询时的邻居搜索宽度，影响查询精度与速度。 |
m | 32 | HNSW 索引中每个节点的最大连接数，影响索引大小和查询性能。 |
vector_ip_ops | true | 启用内积距离计算，适用于某些嵌入模型输出的向量。 |
search_limit | 按实测标定 | 向量搜索返回的原始条数，需根据实际召回效果与模型引用上限综合调整。 |
这两者互相约束的地方
SparkDesk 8K 上下文模型与 PostgreSQL（pgvector） 的集成，需要注意召回内容与模型上下文的匹配。召回条数与每段文本的长度共同决定了输入模型的内容总量，此总量不能超出模型 maxContext 的 8000 token 限制。引用上限 quoteMaxToken 设定了所有引用内容合计的 token 预算，而向量库返回的是固定数量的段落条数。两者之间，谁先达到限制取决于每段文本的平均长度。当 PostgreSQL（pgvector） 的 ef_construction 或 m 等索引参数调大时，索引质量和召回精度通常会提升，这将为模型提供更相关的上下文，从而可能在引用上限允许范围内提供更准确的回答。如果向量库返回的段落过长，即使召回条数不多，也可能迅速触及模型的引用上限。
容易做错的三处
- 模型返回
Context window exceeded错误码，原因在于召回的文档内容总 token 量超出了模型的maxContext。 - 搜索结果的
relevance字段长时间为空，原因是ef_search参数设置过低，导致向量搜索精度不足。 - 查询响应时间显著变长，原因是
ef_construction和m参数设置过大，导致 HNSW 索引构建或查询开销过高。
怎么确认配好了
- 通过 FastGPT 调试界面观察每次请求的
context_length，确保其在模型maxContext限制内。 - 在 PostgreSQL 数据库中执行
EXPLAIN ANALYZE命令，检查 pgvector 索引是否被有效使用，并评估查询耗时。 - 使用 FastGPT 的知识库测试功能，调整不同的
search_limit值，观察召回内容的数量和相关性，并与模型的quoteMaxToken进行比对。