这个品类的数据长什么样
焦煤的数据源主要包括中国煤炭工业协会公开报告、主产区工信部门月度产能统计、秦皇岛港等核心港口的库存周报、期货交割仓库的每日持仓数据。数据更新节奏区分维度：现货平仓价每交易日更新，港口库存每3个工作日更新，行业产能与政策报告月度更新。文档结构多为结构化表格搭配行业分析文字，部分以PDF或结构化Excel格式导出，核心字段包含产地、全水分、灰分、硫分、粘结指数、胶质层厚度、发热量，单位涵盖百分比、毫米、兆焦每千克、元每吨、万吨等专业计量标准。
这些特征在「模型接入与配置」这一环带来什么约束
焦煤数据包含大量专业术语与标准化计量字段，要求嵌入模型具备行业语义识别能力，避免通用模型对专业字段的语义误解。其次，多数据源的更新频率差异较大，需针对不同数据源配置差异化的同步周期，保证尽调报告的数据时效性。此外，结构化字段占比高，需配置精准的分段与字段提取规则，避免拆分专业信息单元导致的语义断裂。同时，尽调报告需覆盖多维度数据，需限制召回结果的数量与范围，避免冗余信息干扰最终输出。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
vectorModel | text-embedding-3-large 或 bge-large-zh-v1.5 | 焦煤专业术语较多，大尺寸嵌入模型可更好捕捉行业语义关联，提升召回精度 |
chunkSize | 800–1200 字符 | 焦煤数据包含专业字段与分析文本，该长度可保留单条专业信息的完整性，避免语义拆分 |
similarityThreshold | 0.75–0.85 | 专业尽调场景需过滤低相关的行业数据，该阈值可平衡召回覆盖率与信息纯度 |
recallTopK | 前 6–8 条 | 尽调报告需覆盖产区、价格、库存、政策等核心维度，该数量可避免冗余信息占用上下文 |
syncInterval | 1 小时（实时数据源）或 24 小时（批量报告数据源） | 匹配不同数据源的更新频率，保证尽调报告的数据时效性 |
parseFieldWhitelist | ["产地", "灰分Ad", "硫分St,d", "粘结指数G", "平仓价"] | 仅保留尽调报告所需的核心字段，减少无关数据对模型上下文的干扰 |
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：调用模型返回的尽调内容与焦煤专业信息不匹配，存在术语误解。原因：未配置适配煤炭行业的嵌入模型，使用通用嵌入模型无法准确识别专业字段的语义。
- 现象：fastgpt无法连接配置的大语言模型，界面显示
504 Gateway Timeout错误。原因：未正确配置模型的API网关地址，或未在平台防火墙开放对应端口，导致请求无法正常路由。 - 现象：使用http请求调用知识库对话接口时，返回结果包含无关闲聊内容。原因：未关闭模型的默认闲聊开关，导致模型脱离传入的知识库数据生成非预期内容。
怎么确认配好了
- 输入焦煤专业术语测试嵌入模型的输出，确认语义相似度符合预期。
- 查看数据同步任务的执行日志，确认不同数据源按照预设的同步周期完成更新。
- 发起知识库对话请求，核对召回的文档数量与字段是否符合配置的规则。
- 检查模型调用日志，确认每次请求都使用了配置的大语言模型，无连接错误或参数异常。
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。