这个品类的数据长什么样
热力投研的数据主要来自三类渠道：公开的热力行业研报、城市热力管网的运营计量数据、发改委及住建部门的政策文件。数据更新节奏差异较大：管网实时计量数据每小时更新，月度运营月报每月更新，政策文件无固定发布周期。文档结构包含三类：结构化的计量字段，含供热量、回水温度、管网压力等，对应单位为吉焦、摄氏度、兆帕；半结构化的运维巡检日志；非结构化的行业分析报告。字段需区分实时采集的时序数据与静态政策文本两类格式。
这些特征在「向量模型与索引」这一环带来什么约束
热力投研的数据多源混合且格式差异显著，首先要求向量模型需适配非结构化文本与结构化计量字段的混合向量化需求，避免结构化数值被错误编码为通用文本。其次，实时计量数据的高频更新要求索引支持增量写入，而静态政策报告则可采用全量索引模式。第三，数据包含带固定单位的专业字段，索引需保留字段元信息，便于后续召回时按专业维度过滤。最后，文档长度跨度大，从数百字的巡检日志到数万字的行业研报，需支持自适应分段策略以保证向量编码的完整性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
embedding_model | 阿里云text-embedding-v3 | 适配热力投研中专业文本、结构化计量字段的混合向量化需求，相比多模态模型更聚焦文本语义，降低非必要的编码开销 |
chunk_size | 800–1200 字符 | 热力投研文档包含长段研报与短日志，该区间可平衡分段后的语义完整性与向量召回的精准度 |
chunk_overlap | 100–150 字符 | 避免分段切断专业术语或时序数据关联，保证相邻分段的语义连贯性 |
retrieval_top_k | 前 6–8 条 | 热力投研需关联多维度数据，该召回量可覆盖足够的关联信息且避免冗余 |
index_filter_fields | 区域、供热量单位、采集时间 | 保留热力数据的专业元字段，支持按投研维度快速过滤召回结果 |
incremental_index | 开启 | 适配实时管网计量数据的高频更新需求，减少全量索引重建的资源消耗 |
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：部署后配置向量模型时返回
400 Bad Request错误，界面提示「模型参数非法」。原因：未指定向量模型的访问密钥与区域参数，或选用的多模态向量模型未适配纯文本投研数据的编码需求。 - 现象：docker-compose部署后无法找到索引添加入口，或添加索引时提示「存储路径不存在」。原因：未在docker-compose配置文件中挂载向量数据库的存储卷，或未开启索引服务的端口映射。
- 现象：召回结果中混杂不同单位的供热量数据，无法按专业维度筛选有效信息。原因：未配置
index_filter_fields参数保留单位与区域字段，或分段时丢失了字段元信息。
怎么确认配好了
- 上传一份包含热力管网结构化计量日志与行业研报的混合文档，查看向量生成进度是否正常完成，无报错提示。
- 发起一次投研相关的检索，查看召回结果是否包含匹配的区域与时段数据，可通过界面过滤选项验证字段筛选功能。
- 测试增量上传一份实时计量数据，查看索引库是否自动更新，无全量重建的提示。
- 查看向量数据库的监控面板，确认写入的向量数量与上传文档的数量匹配，无异常波动。
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。