这个品类的数据长什么样
化妆品投研数据主要来自品牌官方备案文件、成分检测报告、行业合规标准文档、电商详情页及研发白皮书。数据更新随新品上线、成分配方调整、监管政策变动触发，无固定周期但高频。文档多包含成分列表、备案编号、功效描述、致敏原标识、使用场景说明等字段，部分文档附带成分图谱、包装合规图，字段单位多为mg/g、%、ml等计量类单位，结构规整但单份文档篇幅较长。
这些特征在「知识库检索与召回」这一环带来什么约束
化妆品数据的精准性要求高，成分浓度、合规标识等字段需严格匹配，因此检索需支持字段级精准召回。高频更新的特性要求检索链路支持增量更新，避免旧数据干扰投研判断。文档内附带的图片包含关键成分信息，需支持图片文本提取以覆盖完整检索维度。长篇幅文档易出现上下文截断，需合理控制检索召回的上下文长度，确保有效信息不丢失。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 800–1200 字符 | 化妆品文档多含长成分描述和合规说明，过长会截断有效信息 |
recall_top_k | 前 8–12 条 | 投研场景需覆盖多份备案和检测报告，避免遗漏关键合规信息 |
similarity_threshold | 0.75–0.85 | 化妆品成分和功效描述相似度高，阈值过低会引入无关文档 |
PARSE_IMAGE_ENABLE | 开启 | 化妆品文档常含成分图谱、包装合规图，需提取图片文本补充检索维度 |
UPLOAD_FILE_MAX_SIZE | 200 MB | 单份品牌备案文档可能包含多页检测报告和图片，需适配大文件上传 |
re_rank_top_n | 前 3–5 条 | 投研场景需优先展示高匹配度的核心文档，避免信息过载 |
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
- 上传含图片的docx文档时界面弹出「文件格式不正确」的报错提示，原因是未开启
PARSE_IMAGE_ENABLE配置，或未将PARSE_FILE_TIMEOUT_SECONDS设置为足够长的时长。 - 调用外部接口上传html标题和内容时返回400状态码，原因是未按照接口要求传递
title和content必填字段，或字段内容格式不符合接口规范。 - 检索返回的结果条数与配置的
recall_top_k不一致，原因是similarity_threshold设置过高，过滤了部分符合投研需求的相关文档。
怎么确认配好了
- 上传一份含成分图谱和合规说明的docx文档，检查解析后的文本是否包含图片中的成分信息，确认
PARSE_IMAGE_ENABLE配置生效。 - 执行一次针对「烟酰胺浓度」的检索，核对返回结果条数与
recall_top_k的配置值一致，确认召回逻辑正常。 - 调用外部上传接口，传入测试用的html标题和内容，检查接口返回200状态码，确认接口调用参数正确。
- 进入知识库文件管理页面，尝试批量下载多个文档，确认批量下载功能可正常触发，确认相关权限配置正确。
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。