这个品类的数据长什么样
证券智能尽调报告的数据主要来源于上市公司定期报告、临时监管披露文件、券商专项研报及企业提供的尽调底稿。更新节奏分为定期与实时两类，定期报告按季度、年度发布，临时公告及监管问询回复随事件触发更新。文档结构包含结构化字段与非结构化长文本，如「尽调主体名称」「披露日期」「核心风险点」等标准化字段，同时附带业务说明、财务明细附注等长文本内容，部分数据以Excel格式提交，包含多行列的财务指标与对应单位信息。
这些特征在「向量模型与索引」这一环带来什么约束
证券尽调数据的混合结构与专业属性，对向量模型与索引环节带来多重约束。首先，绑定单位的结构化财务数据，若分块时拆分字段与单位，会导致向量匹配失真；其次，长文本的业务说明与附注需保留完整语义，否则无法覆盖尽调所需的风险点信息；再者，实时更新的临时公告与定期报告的批量导入，要求索引支持增量更新与批量处理；最后，专业术语密集的文本需嵌入模型适配金融垂域语义，否则无法准确匹配尽调核心内容。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
embedding_model | Qwen/Qwen3-Embedding-8B 或同量级金融垂域嵌入模型 | 适配证券尽调的专业术语与财务表述，提升语义匹配精度 |
chunk_size | 800–1200 字符 | 覆盖证券尽调文本中连续的业务说明与财务附注，保留单条逻辑的完整语义 |
chunk_overlap | 100–150 字符 | 衔接相邻分块的上下文，避免长文本分块后丢失跨块的专业表述关联 |
recall_top_k | 前10–15条 | 平衡召回覆盖度与计算成本，覆盖尽调所需的多维度风险点信息 |
similarity_threshold | 0.72–0.78 | 区分专业术语的语义相似度，过滤非核心的尽调相关文本 |
rerank_model | 同系列垂域重排模型 | 对召回结果二次排序，提升核心尽调内容的匹配优先级 |
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：配置
embedding_model时，重复添加同名模型会覆盖原有配置，导致上线后调用错误的嵌入模型。原因：未在平台配置页为尽调场景绑定独立的模型实例，仅使用全局唯一的模型配置项。 - 现象：导入Excel格式的尽调明细数据后，知识库分块过大，单块文本超过嵌入模型的token限制，生成向量时报错
token limit exceeded。原因：未根据证券尽调Excel的行数据粒度调整chunk_size参数，直接使用默认分块长度。 - 现象：公网部署后，召回结果中的markdown一级二级标题显示异常，排版错乱。原因：分块时未保留尽调报告的标题层级上下文，导致向量匹配后无法还原原文档的结构信息。
怎么确认配好了
- 上传单份典型的证券尽调报告文档，查看分块预览界面，确认分块长度符合预设的
chunk_size区间，且未拆分核心财务字段与单位。 - 调用嵌入模型测试接口，输入单条尽调专业文本，检查返回的向量维度与模型标注的输出维度一致。
- 模拟批量导入Excel尽调数据，查看索引构建日志，确认无
token limit exceeded类报错。 - 手动输入一条目标专业术语，检查召回结果的相似度评分符合预设的
similarity_threshold区间。
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。