康复设备产品的向量模型与索引

这个品类的数据长什么样

康复设备的数据主要来源于产品说明书、技术规格文档、用户手册、临床报告和市场调研报告。数据更新频率相对稳定，通常随产品迭代或法规更新而变化，一般为季度或半年度更新。文档结构上，产品说明书常包含设备型号、功能参数、适用人群、禁忌症、维护保养等章节，呈现半结构化特征。技术规格文档则更侧重于详细的物理尺寸、电气参数、材料构成、安全标准等，包含大量数值型字段。单位方面，会涉及毫米、千克、瓦特、赫兹、伏特、牛顿等物理量单位，以及国际标准（如 ISO、IEC）的标识符。

这些特征在「向量模型与索引」这一环带来什么约束

康复设备数据中的数值型参数和专业术语，要求向量模型能有效捕捉其语义和上下文关联，避免单纯的词频统计。例如，不同型号的同一参数（如“最大承重”）在数值上的差异，对于用户选择至关重要，需要模型能区分这些细微差别。文档结构中的章节划分，提示了信息之间的逻辑关系，在分块时应尽量保持完整性，避免关键信息被切割。更新频率适中，意味着知识库需要定期全量或增量更新，以确保信息的时效性。此外，多样的计量单位和标准标识符，对文本预处理阶段的实体识别和标准化提出了要求，防止因单位不一致导致信息匹配失败。

配置怎么定

配置项	建议取法	这样取的依据
`分段长度`	`800–1200 字符`	康复设备文档的段落通常较长，包含详细描述，此长度有助于保持上下文完整性。
`分段重叠`	`100–200 字符`	确保相邻块之间有足够重叠，以捕获跨段落的关键信息和关联性。
`embeddingModel`	`text-embedding-ada-002` 或 `m3e`	具备较强的语义理解能力，适用于处理专业术语和参数描述。
`maxContext`	`3000 Tokens`	应对用户提问时可能涉及的复杂产品对比或多方面咨询，提供足够的上下文。
`召回条数`	`前 5–8 条`	康复设备咨询通常需要对比多个产品或从多角度获取信息，增加召回量有助于提升准确性。
`相似度阈值`	`0.75–0.82`	在保证相关性的前提下，兼顾不同产品型号间细微差异的召回，避免漏检。

容易做错的三处

知识库上传后，状态长时间停留在“索引中”，通常是由于 PARSE_FILE_TIMEOUT_SECONDS 参数设置过低，导致大型 PDF 或 Word 文件解析超时。
向量化时出现速率限制报错，日志显示 RateLimitExceeded，原因在于 EMBEDDING_RATE_LIMIT 配置过高或未配置，导致短时间内对嵌入服务请求过多。
用户提问后，召回结果中关键参数（如“承重能力”）缺失或不准确，这可能是因为文档分块时，数值型参数与其对应的单位被错误分割到不同文本块，导致语义不完整。

怎么确认配好了

上传典型产品说明书和技术手册，检查知识库索引状态是否正常完成，并验证分块预览中关键参数和描述是否完整。
使用包含特定型号、参数和功能组合的查询，验证召回结果是否包含正确的产品信息，并检查 召回条数 是否符合预期。
针对查询结果中的关键信息，检查其在原始文档中的位置，确认 相似度阈值 的设定是否能准确捕捉到相关内容，并排除不相关的干扰信息。
模拟高并发上传和查询场景，观察系统日志，确认是否存在 RateLimitExceeded 或其他异常报错，以验证系统稳定性。

问题素材取自公开社区提问（2026-09-11 去重 4,834 条）。文中的配置项名称与取值区间需以所用版本的实际界面与文档为准；本页核验日 2026-09-21，当时的最新发布版本为 FastGPT v4.17.0。