这一档模型的参数意味着什么
SparkDesk 262K 上下文模型，其上下文长度 maxContext 达到 262144 token，允许在单次交互中处理海量输入信息。引用上限 quoteMaxToken 设定为 250000 token，这是 FastGPT 在生成回答时，从知识库中检索并引用内容的预算上限。模型会根据这个预算，将检索到的相关段落内容整合进提示词中。单次最大输出未标注，意味着模型在生成回答时没有明确的长度限制，可以输出较长的文本。该模型支持工具调用，可以在工作流中集成外部功能。图片输入功能为 false，表示不支持直接处理图像信息。
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 | 数据库连接字符串，需确保网络可达性与认证信息正确。 |
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。 |
ef_search | 32 | HNSW 索引查询参数，影响查询召回率与查询速度，与 ef_construction 相关。 |
m | 32 | HNSW 索引层级参数，影响索引结构复杂度与查询性能。 |
| 检索条数 | 前 5 条 | 考虑到引用上限，通常先召回少量最相关段落，避免超出 token 预算。 |
| 每段长度 | 800–1200 字符 | 适当的段落长度有助于模型理解上下文，并有效利用引用预算。 |
这两者互相约束的地方
FastGPT 的检索系统从 openGauss 中获取相关段落，这些段落的数量与长度直接影响发送给 SparkDesk 模型提示词的总 token 数。模型的上下文预算 maxContext 限制了单次请求中所有内容的上限，包括用户输入、系统指令以及从 openGauss 召回并引用的内容。引用上限 quoteMaxToken 是专门分配给引用内容的 token 预算，它限定了引用内容合计所能占用的 token 数量。向量库返回的是固定数量的段落条数，而模型引用时按 token 计费。当从 openGauss 检索的段落过长，即使条数不多，也可能率先触及 quoteMaxToken 的限制。若索引参数 ef_construction 或 m 调大，openGauss 构建的索引质量会提升，理论上能更精确地召回相关段落，从而提高模型利用有限引用预算的效率。
容易做错的三处
- 日志中出现
ERROR: database "xxx" does not exist：OPENGAUSS_URL中指定的数据库名不存在或连接信息有误。 - FastGPT 界面显示“知识库检索结果为空”：openGauss 向量库中没有导入数据，或检索参数设置过于严格，导致无法匹配。
- 模型回答内容短缺，但知识库中明明有相关长篇内容：引用上限
quoteMaxToken过低，或 openGauss 检索的每段长度配置不当，导致实际引用内容被截断。
怎么确认配好了
- 在 FastGPT 知识库管理页面，尝试导入一批测试文档，观察数据是否成功写入 openGauss 数据库，并通过 openGauss 客户端查询确认向量数据存在。
- 使用 FastGPT 的调试工具，对特定问题进行知识库检索，检查 openGauss 返回的段落内容是否与预期高度相关，并记录召回条数。
- 调整 FastGPT 的引用预算设置，并模拟不同长度的用户提问，观察 SparkDesk 模型返回的回答是否充分利用了知识库内容，并检查是否出现因引用内容超限导致的截断。
- 通过 openGauss 监控工具，观察 HNSW 索引的构建状态和查询性能，确保索引正常工作且查询响应时间在可接受范围内。