这个品类的数据长什么样
炼化研报的数据主要来自石油石化行业研究机构、券商化工研究团队、炼化企业公开披露报告及行业展会白皮书。更新节奏覆盖固定周期与突发场景：常规季度、年度深度研报按季度末、年末发布，涉及装置检修、油价波动等突发事件的临时研报更新频率不固定。文档结构包含核心工艺参数、市场供需数据、成本测算、政策影响及未来展望等模块，单篇文档字数跨度较大。字段包含「装置类型」「加工转化率」「单位能耗」「产品牌号」等，单位多为吨、千克标油/吨加工量等专业计量标准。
这些特征在「知识库检索与召回」这一环带来什么约束
多源且更新节奏不一的数据源，要求知识库支持增量同步与多源数据映射配置，避免全量重导带来的资源浪费。文档结构复杂且专业术语密集，要求检索环节需支持精准分段与字段级召回，避免拆分关键工艺逻辑或混淆专业术语。专业计量单位的存在，要求向量模型需适配炼化行业专属术语的向量对齐，降低低相关性召回概率。长文档跨度大的特征，要求分段参数需覆盖完整的业务单元，避免上下文断裂影响检索准确性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
CHUNK_SIZE | 800–1200 字符 | 炼化研报单段需覆盖完整工艺参数或市场分析单元，避免拆分关键逻辑 |
RECALL_TOP_K | 前15–20条 | 炼化研报专业术语密集，需先召回足够候选再通过重排筛选，避免遗漏相关内容 |
SIMILARITY_THRESHOLD | 0.72–0.82 | 专业术语向量匹配需较高阈值，过滤低相关性的通用化工文档 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 长文档解析需预留足够时间，避免超时中断 |
UPLOAD_FILE_MAX_SIZE | 1000 MB | 支持单篇大型年度研报上传 |
RERANK_TOP_K | 前5–8条 | 精炼召回结果，适配下游问答的上下文长度限制 |
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：升级至4.8.18版本后，相同查询无法召回此前可匹配的知识库内容。原因：版本迭代后向量库索引结构更新，未执行旧索引数据迁移或重新导入历史知识库。
- 现象：docker compose私有化部署后，点击知识库配置页面出现500状态码报错。原因：默认配置中未正确配置向量库的本地访问地址与端口，导致服务无法连接向量库实例。
- 现象：使用GPU部署的Milvus向量库时，知识库问答响应缓慢。原因：未开启向量库的GPU索引加速参数，或召回条数设置超出GPU显存承载范围。
怎么确认配好了
- 上传一篇典型的炼化研报文档，检查解析后分段的字段完整性与单位一致性，确认无截断或字段丢失。
- 发起一条包含炼化专业术语的查询，核对召回结果的条数与相似度评分，调整参数至符合业务需求的范围。
- 启动向量库服务并发起连接测试，确认无连接超时或权限报错。
- 触发增量同步任务，检查新上传的研报是否被纳入检索范围。
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。