这个品类的数据长什么样
资金来源KYC的数据主要来自企业对公账户流水、个人银行转账凭证、纳税申报单、收入证明等材料。更新节奏分为两类：企业客户按季度或年度同步更新，个人客户在开户及大额交易发生时触发更新。单份文档包含交易对手户名、交易金额、交易时间、资金用途、凭证编号等结构化字段，附带PDF或扫描件格式的原始凭证附件，结构化字段统一采用标准单位，金额以人民币元为单位，时间遵循ISO 8601格式。
这些特征在「向量模型与索引」这一环带来什么约束
首先，数据包含结构化元数据与非结构化原始凭证，要求向量模型同时支持文本与图像内容的编码，索引需支持多模态向量拼接。其次，更新节奏存在批量与实时两类场景，索引需支持增量写入与删除操作，避免全量重建索引带来的性能损耗。此外，交易金额为标准化数值字段，需在预处理阶段完成归一化处理，确保向量空间分布合理。多字段的存在要求优先选择交易用途、对手信息等核心字段构建索引，避免维度冗余导致检索效率下降。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
enable_ocr | 开启 | 原始凭证多为PDF或扫描件，需通过OCR提取文本内容用于向量编码 |
chunk_size | 800–1200 字符 | 资金来源文档的结构化描述与凭证文本长度适中，该分段区间可平衡上下文完整性与向量维度 |
vector_store_batch_size | 50–100 条/批 | 批量入库可降低API调用频率，适配资金来源数据的批量更新场景 |
recall_top_k | 前 10 条 | KYC核验需覆盖多笔关联交易，10条召回量可兼顾检索完整性与响应速度 |
similarity_threshold | 0.75–0.85 | 需过滤低相似度的无关交易记录，该区间可匹配资金来源核验的业务匹配精度要求 |
metadata_embedding_enabled | 开启 | 交易金额、时间等元数据可补充向量语义信息，提升检索准确性 |
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
- 调用批量入库接口返回
400 Bad Request错误，提示invalid batch size。未按照vector_store_batch_size配置的批量大小拆分入库请求，超出接口允许的单次提交上限。 - 检索结果返回多条重复的交易记录，且召回条数远低于配置值。未使用统一索引存储同类型资金来源数据，而是为每份文档创建独立索引，导致跨索引检索无法覆盖全部数据。
- 外部管理系统无法触发向量库的增删操作，且无法创建非root权限的操作账号。直接使用原生向量库的权限体系，未通过平台API接口进行权限封装，导致无法对接外部管理系统的权限控制需求。
怎么确认配好了
- 上传单份资金来源凭证，查看解析后的文本内容与OCR结果是否匹配原始凭证，确认
enable_ocr配置生效。 - 提交批量入库请求，检查向量库的写入日志，确认入库批次大小与
vector_store_batch_size配置一致。 - 发起检索请求，核对召回结果的数量与
recall_top_k配置值一致，且相似度得分符合预设区间。 - 通过外部管理系统发起向量库增删操作，验证是否能正常触发索引更新流程，确认权限封装生效。
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。