这个品类的数据长什么样
炼化投研数据主要来自装置实时运行日志、工艺操作规程、批次质检报告、原油物性数据库、行业供需研报。运行日志按小时或分钟级更新，工艺规程与行业标准每季度或年度修订，质检报告随每批次生产同步生成。文档包含结构化参数表、长文本分析报告两类，结构化字段含反应温度、塔压、物料流量，单位多为摄氏度、兆帕、立方米每小时，长文本多为工艺异常分析与技改方案。
这些特征在「向量模型与索引」这一环带来什么约束
炼化投研数据的实时/批次级更新节奏，要求索引支持增量更新能力，避免重复计算已有文档的向量。结构化参数表与长文本报告混合的文档结构，需要同时支持结构化字段检索与语义向量召回。工艺参数的固定单位与专属字段，要求预处理环节保留字段元数据，防止向量编码时丢失关键语义信息。长文本分析报告占比高，会拉长单文档处理时长，需要适配长上下文的向量模型与合理的分段策略。
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 | 炼化工艺文档多包含连续工艺逻辑，过长分段会破坏上下文关联，过短会丢失关键参数关联 |
召回条数 | 10–15 条 | 炼化投研需要覆盖多维度工艺参数与关联报告，过少会遗漏关键信息，过多会增加推理开销 |
相似度阈值 | 0.72–0.85 | 炼化工艺参数的语义相似度要求较高，过低会引入无关的工况数据，过高会过滤有效匹配项 |
增量索引 | 开启 | 炼化数据存在实时/批次级更新，增量索引可避免全量重建的时间开销 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 长文本工艺报告的向量编码与索引生成耗时较长，默认时长不足以完成处理 |
重排返回条数 | 5–8 条 | 投研场景需要精准的Top结果用于决策，过多会干扰分析师判断 |
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：设置
分段长度为3000字符后，部分文档的文本块出现丢失。原因：部分炼化工艺文档包含连续的长表格与无换行的参数列表，超过向量模型的最大上下文窗口限制，导致解析时自动截断未被计入的分段。 - 现象：知识库上传后状态长时间停留在「索引中」，无进度更新。原因：未调整
PARSE_FILE_TIMEOUT_SECONDS时长，全量索引大型炼化报告时超出默认超时限制，任务被中断。 - 现象：调用向量检索时返回的结果未关联对应工艺参数的单位信息。原因：未在预处理环节保留结构化字段元数据，向量编码时仅对纯文本内容进行处理，丢失了参数与单位的关联信息。
怎么确认配好了
- 上传一份典型的炼化工艺报告，查看后台解析日志中的分段数量，确认分段长度符合预设配置。
- 发起一次向量检索请求，核对返回结果的条数与相似度区间是否符合业务需求。
- 测试上传一份更新后的质检报告，查看索引任务是否仅处理新增文档，确认增量索引功能生效。
- 查看向量模型的调用日志，确认未出现超时或编码失败的报错信息。
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。