这个品类的数据长什么样
焦煤尽调报告的数据来源包括中国煤炭工业协会发布的行业分析报告、主要沿海港口的现货报价系统、国内重点钢厂的月度采购记录、期货交割库的库存监测数据。更新节奏存在差异：现货报价每日更新，行业分析报告每月更新，钢厂采购记录每旬更新，政策文件随发布即时更新。单份报告包含产区分布、供需平衡分析、价格走势、下游需求关联、政策影响解读五个部分，既有结构化的指标条目，也有非结构化的分析文本。字段包含产地、干基灰分含量、干基硫分含量、粘结指数、胶质层厚度、车板报价、库存总量、发布日期，其中价格单位为元/吨，库存单位为吨，粘结指数为无量纲指标。
这些特征在「向量模型与索引」这一环带来什么约束
数据更新频率的差异要求索引策略兼顾定时全量刷新与实时增量更新，避免资源浪费或数据滞后。多来源的结构化与非结构化混合数据，需要构建混合向量索引以同时覆盖专业指标与分析文本的检索需求。焦煤专属的工业术语如粘结指数、胶质层厚度，要求向量模型适配领域语义，避免通用模型的语义偏差。单份报告的非结构化文本长度较长，分段处理时需保留足够的上下文重叠，确保分析内容的连贯性。多源数据需统一映射为标准化字段，索引时需保留来源标识以支持尽调报告的溯源需求。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
embedding_model | bge-large-zh-v1.5 | 该模型对中文工业领域术语的嵌入效果较好，可准确捕捉焦煤专属指标的语义关联 |
chunk_max_length | 800–1200 字符 | 适配焦煤尽调报告的单段分析文本长度，避免过长导致嵌入失真，过短破坏上下文连贯性 |
chunk_overlap_ratio | 0.15–0.2 | 保留相邻分段的重叠内容，确保长文本的语义完整性，适配尽调报告中连贯的供需分析 |
retrieval_top_n | 前8–12条 | 焦煤尽调报告涉及多维度指标，需召回足够多的相关片段覆盖不同分析场景 |
retrieval_threshold | 0.72–0.78 | 过滤低相似度的无关数据，同时保留焦煤专业指标的弱关联匹配结果 |
index_refresh_cron | 每日 02:00 与 每小时 00分 | 兼顾实时更新的现货数据与周期性更新的行业报告，平衡索引资源占用与数据新鲜度 |
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：重复查询相同焦煤指标时，向量数据库查询耗时无明显下降。原因：未开启向量检索结果缓存配置，导致每次查询都重新执行嵌入与召回流程。
- 现象：通过集合直接添加焦煤数据后，检索时无法匹配到刚上传的指标内容。原因：未调用
create_training_order接口触发索引构建，仅完成数据上传未生成向量索引。 - 现象：单份焦煤尽调报告的检索结果出现上下文断裂，无法完整读取一段连贯的分析内容。原因：
chunk_max_length设置过小，将连贯的分析文本切割为多个无关联的分段。
怎么确认配好了
- 上传一份测试用的焦煤现货报价文档，查看知识库的向量索引生成状态，确认索引状态字段显示为完成。
- 执行两次相同的焦煤指标检索查询，对比两次查询耗时，确认缓存机制生效后耗时显著降低。
- 调整相似度阈值参数，验证检索结果的相关性随阈值变化符合预期。
- 调用批量训练订单接口上传批量焦煤数据，检查索引队列中是否生成对应的任务条目。
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。