这个品类的数据长什么样
热力投研数据主要来自热力运营企业的管网监测系统、能耗结算报表、政府热力供应监管台账。更新节奏覆盖实时、日度、月度多个维度，实时数据包含管网节点的供回水温度、压力、瞬时流量等指标，日度及月度数据包含区域总供热量、单位能耗、用户缴费记录等。单份文档多为结构化表格或时序CSV，字段包含时间戳、设备编号、参数数值、对应计量单位，部分关联上下游供热需求的文本说明。
这些特征在「上下文与 token」这一环带来什么约束
热力投研数据的多维度时序特征，会导致单条召回结果的token占用高于常规文本知识库。实时监测数据的高频更新要求上下文必须包含最新的参数快照，否则会影响投研结论的时效性。结构化字段多且单位分散的特点，要求上下文召回时需保留完整参数标识，无法通过简化字段压缩token消耗。区域级月度汇总数据的单份文档长度较高，若未做合理分段，会快速耗尽单轮对话的token配额。同时，跨节点的关联分析需要召回多组时序数据，进一步推高上下文的token需求。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8000–12000 token | 热力投研需关联多组时序参数与区域汇总数据，该范围可覆盖3-5组完整的结构化文档内容 |
分段长度 | 1000–1500 字符 | 热力数据结构化字段多，分段过长会导致单块token占用过高，过短会破坏参数关联完整性 |
重排返回条数 | 前8–12 条 | 热力投研需覆盖多节点的监测数据，过少会丢失关键参数，过多会超出上下文token配额 |
searchMaxTokens | 4000 token | 平衡召回数据量与上下文剩余配额，避免触发模型token溢出错误 |
相似度阈值 | 0.65–0.75 | 热力数据的参数关联性较强，该区间可过滤无关节点数据，同时保留必要的关联参数 |
UPLOAD_FILE_MAX_SIZE | 500 MB | 月度区域热力汇总文件通常体积较大，该取值可覆盖多数批量上传需求 |
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：配置
重排返回条数过高时，触发rerank error报错。原因：重排模型的输入token超出自身配额，无法完成参数重排。 - 现象：单轮对话回复触发
LLM model response empty报错，或返回结果被截断。原因：未限制上下文token配额，热力数据的长内容耗尽了模型与FastGPT的总token阈值。 - 现象：知识库搜索返回的引用条数与配置的
召回条数不符。原因：未设置searchMaxTokens，召回的多份热力文档总token超出限制，系统自动截断了部分结果。
怎么确认配好了
- 上传一份典型的热力月度汇总文档，查看解析后的分段数量与长度，确认符合
分段长度的配置区间。 - 发起一轮包含多节点热力数据查询的对话，查看返回结果的引用条数，确认与
重排返回条数的配置一致。 - 检查对话日志，确认未出现
rerank error或LLM model response empty报错，验证上下文token配额设置合理。 - 调整查询关键词，覆盖不同区域的热力参数，确认召回结果的相似度符合配置的阈值区间。
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。