这个品类的数据长什么样
水务投研的数据来源包括水务集团运营报表、管网实时监测数据、国家及地方水质标准文件、城镇水务政策法规、行业研报等。更新节奏分为实时（管网压力、水质指标）、月度/季度（运营报表）、不定期（政策更新）。文档结构包含结构化数值表格、半结构化研报段落、PDF格式政策文件。字段与单位包括水质指标mg/L、管网压力MPa、流量m³/h，以及统计周期、区域编码等字段。
这些特征在「知识库检索与召回」这一环带来什么约束
水务数据的结构化数值占比高，要求检索需兼顾精准数值匹配与语义关联，避免仅依赖关键词匹配。实时监测数据更新频率高，需配置增量索引更新，不采用全量重建，以此降低检索延迟。文档混合短数值条目与长政策段落，需适配灵活的分段规则，避免拆分专业术语组。单位与专业术语的规范性要求高，检索时需处理单位归一化与术语扩展，否则会出现匹配偏差。投研场景需覆盖多维度数据，检索召回需兼顾政策、运营与研报内容，避免结果维度单一。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunk_size | 800–1200 字符 | 水务文档包含短数值条目与长政策段落，该区间可平衡分段完整性与上下文关联，避免拆分专业术语组 |
similarity_threshold | 0.75–0.85 | 水务指标数值精准度要求高，阈值过低会引入无关监测数据，过高则漏过语义相近的合规要求 |
recall_top_k | 前 10 条 | 水务投研需兼顾核心政策、运营数据与研报观点，10条可覆盖多维度检索结果 |
rerank_top_n | 前 3–5 条 | 重排序需聚焦最相关的核心数据，避免冗余的非核心条目干扰投研判断 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 大型水务运营Excel文件（含多sheet监测数据）解析耗时较长，该时长可覆盖完整解析流程 |
keyword_split_block | 保留完整专业术语段 | 避免强制拆分包含COD、总磷等专业术语的段落，适配fullTextTokens字段的关键词生成规则 |
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：添加重排序模型后，知识库检索结果顺序未发生改变。原因：未开启重排序模型的生效开关，或重排序模型的调用路径配置错误，系统仅执行了基础向量召回流程。
- 现象：录入水务专业数据后，fullTextTokens字段未包含完整的专业术语组。原因：未配置
keyword_split_block参数，强制拆分了包含COD、氨氮等专业术语的段落，导致关键词生成不完整。 - 现象：检索速度过慢，算力资源占用超出预期。原因：未关闭AI补充环节，同时召回条数设置过高，导致每次检索都触发全量模型推理流程。
怎么确认配好了
- 上传一份包含专业术语与数值数据的水务文档，查看解析后的分段结果，确认长专业术语段落未被强制拆分。
- 发起一次水务指标相关的检索，查看返回结果的排序变化，确认重排序模型已生效。
- 查看dataset_datas表中的fullTextTokens字段，确认目标段落的关键词未被错误拆分。
- 调整检索参数后，对比检索速度与结果数量，确认算力占用与召回范围符合预期。
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。