这个品类的数据长什么样
燃气投研的数据来源包括上游气源报价平台、城市燃气企业的管网运维日志、发改委及住建部的燃气调价政策文件、燃气行业协会的供需分析报告。更新节奏差异明显：气源报价按日更新，管网巡检记录按周或实时更新，政策文件为不定期发布，年度行业报告按季度或年度更新。文档结构包含三类：结构化的供需报表（含供气压力、热值、管段腐蚀率等专用字段）、半结构化的政策通知、非结构化的运维日志与分析文档。
这些特征在「模型接入与配置」这一环带来什么约束
燃气投研的数据特征对模型接入配置带来多重约束：多源数据的更新节奏差异，需要配置差异化的增量同步触发机制，避免高频同步浪费资源或低频同步导致数据过时；结构化报表与非结构化日志并存，需要同时配置结构化字段抽取与非语义分段解析的适配参数；专用术语如“门站压力”“燃气热值”要求模型具备领域语义编码能力，避免通用模型的识别偏差；大型文档如月度运维日志的长度较高，需要调整解析超时与分段长度参数，防止解析失败。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
embedding_batch_size | 16–32 条/批 | 燃气数据包含结构化数值与长文本日志，批量过大会导致内存溢出，批量过小会降低解析效率 |
rerank_top_k | 前8–12条 | 燃气投研需兼顾气源报价、管网数据、政策文件多类信息，过多会增加推理延迟，过少会丢失关键关联数据 |
similarity_threshold | 0.72–0.80 | 燃气专用术语语义相似度区分度较高，阈值过低会引入无关数据，过高会遗漏相关解读 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 单份大型燃气企业年报或月度运维日志文档长度可达数万字符，超时会导致解析失败 |
maxContext | 8000–12000 字符 | 燃气投研需整合多源数据上下文，过长会超出模型上下文窗口限制 |
UPLOAD_FILE_MAX_SIZE | 500 MB | 单份燃气管网拓扑图或批量巡检报告体积较大，限制过大可能导致服务负载过高 |
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：系统日志显示召回结果中同时包含多模型的解析数据，且字段单位混乱。原因：未明确多模型的职责边界，将问题优化模型与知识库引用模型混用了数据源解析逻辑。
- 现象：上传燃气巡检日志时返回
413 Request Entity Too Large错误。原因：未调整UPLOAD_FILE_MAX_SIZE参数，默认值不足以容纳单份大型巡检报告。 - 现象：Embedding模型返回的结果中无法识别“燃气热值”“管段腐蚀率”等专用术语。原因：未选择支持领域微调的Embedding模型，通用模型对行业专用术语的语义编码精度不足。
怎么确认配好了
- 上传一份包含结构化报表和非结构化日志的燃气文档，核对解析后字段的单位是否与原始文档一致。
- 发起一次投研查询，查看系统日志中召回的文档数量与
rerank_top_k的配置取值是否匹配。 - 测试不同阈值下的召回结果，对比专业术语的识别准确率，调整
similarity_threshold至符合业务需求的区间。 - 测试增量同步功能，验证新增的气源报价数据是否能在匹配业务更新频率的时间内被召回。
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。