这个品类的数据长什么样
网络安全智能尽调报告的数据来源包括资产扫描日志、漏洞扫描报告、威胁情报 feeds、合规审计记录与攻击事件复盘材料。更新节奏依数据源类型差异，威胁情报为小时级更新，资产台账与常规扫描报告按周或日周期更新，事件复盘材料为单次归档。单份报告的文档结构包含结构化字段与非结构化文本两部分，结构化字段包括asset_ip（IPv4/IPv6格式字符串）、cve_id（标准CVE编号字符串）、risk_level（枚举值：低/中/高/ critical）、scan_time（ISO 8601格式时间戳），非结构化文本包括漏洞修复建议、攻击事件时间线与分析描述，无额外自定义单位。
这些特征在「向量模型与索引」这一环带来什么约束
多数据源的差异化更新节奏要求索引支持增量构建与定时同步，避免全量重建带来的资源浪费与延迟。结构化字段与非结构化文本混合的文档结构，要求同时配置精确检索索引与向量索引，避免仅依赖向量计算导致结构化关键信息无法被精准匹配。长文本与短字段并存的内容特征，要求针对不同类型内容采用差异化的分段与编码策略，防止短字段的语义丢失或长文本的向量维度过载。威胁情报的实时性要求向量索引的更新延迟控制在合理范围，避免召回过时的安全数据。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunk_size | 800–1200 字符 | 网络安全尽调报告包含长文本的漏洞分析与攻击事件描述，该区间可保留语义完整性同时避免向量维度过载 |
incremental_index_enabled | 开启 | 网络安全数据存在实时更新的威胁情报与周期扫描报告，增量索引可避免全量重建的资源消耗 |
vector_model | text-embedding-ada-002 或同量级开源模型 | 非结构化文本（如修复建议、事件复盘）的语义匹配需求，该模型可覆盖通用安全场景的语义理解 |
structured_index_fields | asset_ip,cve_id,risk_level,scan_time | 报告中结构化字段可通过精确检索快速过滤，无需依赖向量计算提升召回效率 |
recall_top_k | 前 10 条 | 单份尽调报告关联的风险事件数量有限，过多召回会增加后续重排负担 |
similarity_threshold | 按实测标定 | 需根据业务对风险等级的优先级要求调整，确保高风险条目优先被召回 |
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
- 现象为数十万条索引数据搜索后返回结果条数为0或远低于预期，原因是未配置
structured_index_fields参数，将全部内容送入向量模型，导致结构化的资产IP、CVE ID等关键字段无法被精确匹配。 - 现象为索引构建超时，报错返回
504 Gateway Timeout，原因是未启用incremental_index_enabled，对全量历史数据进行一次性向量编码，超出单任务超时阈值。 - 现象为向量召回结果中低风险条目占比过高，原因是未设置
similarity_threshold参数或阈值设置过低，导致低相关性的非安全描述文本被误召回。
怎么确认配好了
- 查看索引构建日志，确认增量索引任务按配置的更新周期自动触发，无全量构建报错，针对V4.8.20-FIX2版本可通过系统索引管理面板查看状态。
- 执行结构化字段精确检索，输入已知的
asset_ip或cve_id，验证可快速返回对应条目，确认结构化索引生效。 - 对比向量召回与精确检索的结果，确认高风险条目优先被召回，可通过调整
similarity_threshold适配业务需求。 - 随机抽取单份尽调报告，验证其关联的漏洞条目被正确分段并生成向量，无文本截断导致的语义丢失。
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。