这个品类的数据长什么样
风电智能尽调报告的数据来源于风机运行实时日志、塔筒与叶片的定期检测报告、电网并网调度记录、现场运维巡检记录以及气象观测数据集。更新节奏存在差异：运行日志为小时级更新，定期检测报告为季度或年度更新，运维记录随现场作业实时提交。文档结构包含设备唯一标识、运行参数、缺陷检测项、运维整改记录与时间戳字段，其中风速单位为米每秒，功率单位为千瓦，缺陷等级采用标准化编号标识。
这些特征在「向量模型与索引」这一环带来什么约束
风电尽调报告的多源异构数据特征，要求向量模型需适配专业领域术语的语义编码，避免对“塔筒偏航”“叶片颤振”等专属词汇的语义偏差。不同更新频率的数据需要差异化的索引策略：实时运行日志需支持增量索引构建，定期检测报告可采用全量批量索引。多字段的结构化与文本混合内容，要求索引需支持按设备ID关联段落，同时需平衡长文档切分与短参数记录的语义完整性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunk_size | 800–1200 字符 | 风电尽调报告既有长段的检测分析文本，也有短的单条运行参数记录，该长度可平衡语义完整性与召回精度 |
chunk_overlap | 150–200 字符 | 风电设备参数存在时间序列关联，重叠部分可保留上下文连贯性，避免参数上下文断裂 |
vector_model | 按实测标定 | 风电场景存在大量专业术语，需选择适配电力设备领域微调的向量模型，避免通用模型的语义偏差 |
index_shard_count | 4–8 个分片 | 风电尽调报告的单批次导入数据量较大，分片可提升索引构建速度与并发查询能力 |
similarity_threshold | 0.72–0.85 | 风电专业术语的语义相似度区分度较高，该区间可过滤无关召回结果，保留高匹配度的专业内容 |
recall_top_k | 前 10–15 条 | 尽调报告需要覆盖多维度的设备数据，过多召回会增加上下文冗余，过少则无法覆盖完整业务需求 |
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：自定义切分的风电尽调报告文档存入知识库后，重复内容被自动移除，原切分的段落顺序与索引存储顺序不符。原因：默认开启了知识库的文档去重配置，未针对风电场景下多源关联的重复参数记录关闭该功能。
- 现象：配置自定义向量模型后，实际生成向量的请求仍指向默认大语言模型。原因：未在渠道配置中单独绑定向量模型的调用参数，导致请求被统一转发至LLM渠道。
- 现象：调整相似度阈值至10000+后，知识库查询无匹配结果。原因：向量相似度阈值的有效取值范围为0-1，误将缩放后的数值直接填入，导致过滤条件严格超出合理区间。
怎么确认配好了
- 上传单篇风电尽调报告文档，查看切分后的段落数与自定义切分规则一致，确认切分配置生效。
- 发起向量生成测试，查看调用日志中向量模型的端点与配置的自定义渠道一致，确认模型绑定正确。
- 批量导入同类型风电尽调报告，查看索引构建进度与分片数匹配，确认索引分片配置合理。
- 输入风电专业术语发起查询，查看返回结果的相似度值处于0-1区间，确认阈值配置有效。
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。