这个品类的数据长什么样
整车智能尽调报告的数据主要来自车辆生产厂商公开公告、工信部机动车公告目录、机动车登记系统档案、第三方检测机构报告及二手车流通数据。更新节奏随新车型发布、召回事件、年检周期触发，无固定周期。文档结构包含车辆识别码（VIN）、整备质量、轴距、动力参数、合规检测项、历史维修记录、召回记录等字段，单位涵盖千克、毫米、千瓦等标准计量标识，部分报告为扫描版PDF格式。
这些特征在「知识库检索与召回」这一环带来什么约束
数据包含唯一标识字段，要求检索时兼顾精准字段匹配与语义召回的权重平衡；文档长度跨度大，从短参数条目到完整检测报告，需自适应分段策略避免语义断裂；更新节点不固定，需支持增量同步以适配非固定周期的更新需求；部分文档为扫描件格式，需前置OCR解析流程提取文本内容；多维度字段的组合检索需求，要求召回结果覆盖多类信息，避免遗漏关键合规或参数内容。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunk_size | 800–1200 字符 | 适配整车尽调文档的长度跨度，平衡语义完整性与检索精度 |
chunk_overlap | 100–150 字符 | 避免长文档分段后的语义断裂，保留上下文关联 |
recall_top_k | 8–12 条 | 覆盖车辆参数、合规记录、召回信息等多维度内容，避免冗余或遗漏 |
similarity_threshold | 0.75–0.85 | 过滤低相关的非目标车辆文档，精准匹配检索需求 |
parse_pdf_ocr_enable | true | 处理扫描版检测报告类PDF，提取图片内的文本内容 |
incremental_sync_mode | 按文件哈希增量同步 | 针对批量上传的整车文档，避免重复解析与存储 |
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：批量上传100份整车尽调文档后，近半数显示训练异常状态。原因：未配置合理的单批次上传上限，超出系统并行处理能力导致部分任务未完成。
- 现象：知识库搜索时返回
invalid configuration parameter name "hnsw.max_scan_tuple错误。原因：写入了平台不支持的向量库私有参数，未使用官方兼容的配置项。 - 现象：扫描版机动车检测报告检索后返回空文本结果。原因：未开启
parse_pdf_ocr_enable配置，无法提取图片内嵌的检测数据与参数信息。
怎么确认配好了
- 上传单份扫描版整车检测报告，验证解析后的文本包含图片内嵌的检测内容，确认OCR配置生效。
- 发起包含车辆唯一标识字段的检索，验证返回结果优先匹配目标车辆的文档，确认字段权重配置合理。
- 批量上传多份整车尽调文档，确认所有任务完成且无异常状态，验证批量上传配置适配当前规模。
- 发起多轮常规检索，验证响应速度符合业务使用要求，确认分段与召回配置未占用过多系统资源。
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。