这个品类的数据长什么样
焦炭尽调报告的数据来源包括炼焦行业协会公开统计、大宗商品现货交易平台、期货交易所行情数据及下游钢铁企业的公开报表。数据更新节奏存在差异：现货价格每日更新，港口库存每两日更新，月度行业分析报告每月发布，期货行情随交易日实时更新。文档结构包含结构化字段化报表与半结构化分析文本，核心字段包括产地出厂价、港口平仓价、库存总量、日均产量、跨区域运输成本等，对应单位为元/吨、吨、吨/天等。
这些特征在「向量模型与索引」这一环带来什么约束
焦炭数据的多类型混合特征、差异化更新节奏与明确的字段单位，对向量模型与索引配置提出多重约束。首先，结构化数值字段与半结构化文本共存，要求向量模型可同时适配数值特征编码与语义嵌入，避免拆分后丢失字段关联。其次，高频更新的时序数据需索引支持增量刷新，不采用全量重建的方式，降低计算资源消耗。第三，明确的字段与单位定义要求索引配置时对不同字段设置差异化嵌入权重，提升召回精准度。最后，部分文档为结构化表格，需确保向量模型可正确解析表格行列结构，保留数据对应关系。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
max_chunk_size | 800–1200 字符 | 焦炭尽调报告包含长文本分析与多列数值表格，该长度可保留单块内的字段关联与语义上下文，避免拆分后断裂 |
embedding_batch_size | 32–64 | 适配dengcao/Qwen3-Embedding-8B:F16的显存占用，平衡嵌入效率与资源消耗 |
index_refresh_interval | 5 分钟 | 适配焦炭现货价格的日更与港口库存的两日更新节奏，近实时刷新可确保召回数据的时效性 |
recall_top_k | 15–20 | 焦炭尽调需覆盖多维度指标（价格、库存、运输成本），较多召回条数可提升匹配全面性 |
rerank_top_n | 5–8 | 过滤冗余召回结果，聚焦核心关联的指标与分析内容 |
vector_db_max_storage | 2000 GB | 按年度全量焦炭尽调数据与增量更新的存储需求设定，适配向量库的单库容量阈值 |
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：向量库启动失败，日志显示PostgreSQL连接失败。原因：未适配向量库默认compose文件中的PostgreSQL配置参数，本地环境的端口或权限与预设值不匹配，导致依赖服务无法正常拉起。
- 现象：嵌入任务执行失败，界面返回
Connection refused报错。原因：未正确配置本地模型服务的访问端口，或通过ollama/VLLM部署的嵌入模型未成功加载，导致向量模型服务无法正常响应请求。 - 现象：索引存储空间占用超出预期。原因：
max_chunk_size设置过小，导致单文档被拆分为过多分块，每块单独生成向量嵌入，额外增加索引存储与计算开销。
怎么确认配好了
- 登录向量库管理界面，查看索引的刷新日志，确认不同数据源的刷新间隔与预设配置一致。
- 提交一份标准焦炭尽调报告，检查嵌入后的分块数量与
max_chunk_size的预设值匹配，无过度拆分或语义断裂的情况。 - 发起一次召回测试，输入焦炭相关的查询词，核对召回结果的字段与查询语义的关联度符合预期。
- 查看向量库的存储使用情况，确认索引占用空间与预设的
vector_db_max_storage阈值匹配，无异常增长。
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。