这个品类的数据长什么样
燃气投研知识库的数据来源涵盖燃气企业运营报表、管网巡检日志、上游气源报价、行业政策文件及专业协会报告。更新节奏存在明显差异：气源报价按日更新，管网巡检日志随巡检任务实时上报，行业政策与协会报告不定期发布。文档结构分为两类：结构化报表包含供气总量、管网压力、营收明细等字段，单位涉及立方米、千帕、元；非结构化文档多为巡检记录、政策解读文本，部分包含自由格式的现场描述。不同类型文档的长度跨度较大，短则百余字的报价条目，长则数万字的政策全文。
这些特征在「向量模型与索引」这一环带来什么约束
多频率更新的数据源要求索引支持增量构建与全量重建结合，避免全量重建消耗过多计算资源。结构化数据中存在大量带单位的数值字段，向量模型需适配数值与文本混合的语义表达，若直接嵌入原始数值会导致语义关联丢失。文档长度跨度大，短文本需避免过短导致语义不完整，长文本需合理分段避免割裂关键信息，对分段参数的设置提出明确要求。多类型数据源的混合检索，需要索引结构能够兼顾短文本精准召回与长文本语义匹配。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
embedding_model | m3e-base | 支持中文场景下文本与结构化数值描述的嵌入，可适配燃气数据中带单位的字段转换需求 |
chunk_size | 800–1200 字符 | 适配燃气巡检日志的常见长度，避免单段文本过长影响嵌入精度，同时保证单段语义完整 |
incremental_index | 开启 | 适配气源报价、巡检日志的高频更新需求，仅对新增数据执行索引构建，减少重复计算 |
recall_top_k | 前10–15条 | 兼顾燃气投研所需的政策、运营、报价多类信息，平衡召回范围与上下文长度限制 |
similarity_threshold | 0.72–0.78 | 过滤低相似度的无关召回，同时保留同类型燃气运营数据的语义关联 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 适配大型行业政策文档的解析与嵌入耗时，避免长文档解析超时 |
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：重复查询相同的燃气运营数据时，向量数据库返回结果耗时过长。原因：未配置向量召回缓存机制，每次查询都重新执行嵌入与索引检索。
- 现象：调用“创建训练订单”接口后，知识库未生成对应索引条目。原因：未正确配置向量数据库连接参数，训练订单仅完成文本解析未触发索引构建流程。
- 现象：嵌入后的燃气压力数值字段语义偏差明显。原因：未将原始数值字段转换为带单位的文本描述，直接嵌入原始数值导致模型无法识别语义关联。
怎么确认配好了
- 上传一份包含管网压力数值的燃气巡检日志文档，查看解析后的分段结果，确认分段长度符合配置的
chunk_size范围。 - 发起两次相同的燃气运营数据查询，对比两次查询的耗时，确认缓存机制生效。
- 调用“创建训练订单”接口上传一份气源报价文档，检查知识库索引列表中是否生成对应条目，确认索引构建流程正常。
- 输入包含“上月供气总量”的查询词，查看召回结果中是否包含带单位的数值描述，确认嵌入模型正确处理了结构化字段。
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。