这个品类的数据长什么样
名单筛查的数据主要来自监管机构发布的制裁名单、涉恐名单、失信被执行人名单，以及行业合规共享的风险主体名单。数据更新节奏随监管要求调整，常规为每日同步全量更新，紧急名单会触发临时增量推送。单条数据包含主体姓名、证件类型与号码、机构名称、风险等级、纳入事由、发布机构、生效时间等字段，字段类型涵盖字符串、枚举值与时间戳，无嵌套复杂结构，但单批次同步数据量波动范围较大。
这些特征在「向量模型与索引」这一环带来什么约束
监管名单的实时更新要求索引支持增量同步与快速刷新，避免合规风险。单批次数据量波动范围大，要求索引的分片扩容机制适配动态数据规模。字段包含证件号等敏感信息，要求向量模型在编码时保留实体唯一性特征，同时需符合数据脱敏要求。枚举类风险等级字段需单独构建分类索引，与文本向量索引配合提升召回精度。名单数据的召回结果需严格匹配实体字段，要求索引的召回逻辑优先关联多字段，不仅依赖文本相似度。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
embedding_model | bge-large-zh-v1.5 或 text-embedding-3-small | 名单数据多为实体短文本，该类模型对实体特征编码效果稳定 |
index_refresh_interval | 3600 秒 | 监管名单常规每日更新，1小时刷新可平衡同步成本与合规时效 |
recall_top_k | 20–30 | 名单筛查需覆盖全量高匹配结果，避免漏判风险主体 |
similarity_threshold | 0.75–0.85 | 实体匹配需兼顾严格性，避免误召回非目标主体 |
enable_incremental_index | 开启 | 实时更新的名单数据无需全量重建索引，降低计算开销 |
sensitive_field_mask | 证件号、机构名称字段脱敏 | 名单数据包含敏感信息，需符合数据合规要求 |
本页给出的参数取值均为常规建议，用于确定配置的起点。实际取值受材料形态、数据量与业务规则影响，具体问题需具体分析，建议在自有样本上实测后再定。
容易做错的三处
- 现象：本地部署v4.9.0版本，新建知识库时未显示实体索引专属配置项。原因：该版本开源包未开放KYC名单场景的索引增强功能，仅商业版包含对应配置入口。
- 现象：配置OneAPI作为嵌入模型后端时，日志返回
500 Bad Gateway错误，知识库索引构建失败。原因：OneAPI未正确转发嵌入模型请求，或未配置对应嵌入模型的访问权限。 - 现象：召回结果仅匹配部分字段，未关联证件号等关键实体信息。原因：索引构建时未开启多字段联合召回配置，仅基于文本内容进行相似度计算。
怎么确认配好了
- 进入知识库设置页面，确认
embedding_model配置项与选定的嵌入模型一致。 - 查看索引刷新日志，确认增量同步任务按设定周期执行。
- 上传测试名单数据，验证召回结果包含预设的关键实体字段。
- 检查敏感数据脱敏配置，确认证件号等敏感字段已按要求处理。
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 2026-09-14，当时的最新发布版本为 FastGPT v4.17.0。