这个品类的数据长什么样
行情数据来源于交易所授权接口、合规官方行情数据渠道。更新节奏按品类区分，股票类实时推送逐笔成交或每分钟快照，场内基金、债券类更新频率略低。单条数据文档结构标准化，包含证券代码、证券简称、最新成交价、涨跌幅、当日成交量、当日累计成交额、数据生成时间戳等字段，价格单位为人民币元，成交量单位为股，成交额单位为元。
这些特征在「向量模型与索引」这一环带来什么约束
行情数据的高频实时更新特性，要求索引支持增量写入与低延迟更新，避免全量重建索引导致的业务延迟。多结构化字段的组合需求，要求向量模型支持多字段加权编码，或索引支持结构化过滤与向量召回的混合查询。单条数据体量小但总数据量随证券标的数量持续增长的特点，要求索引分片策略适配高并发小批量写入。时间戳字段的高频检索需求，要求索引同时支持基于时间范围的过滤条件，缩小向量召回的候选集范围，提升查询效率。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
embedding_batch_size | 32–64 | 适配单条行情数据体量小的特点，避免批量过大导致内存溢出，控制单批次嵌入耗时 |
vector_index_type | HNSW | 适配高频低延迟召回需求，HNSW索引的查询性能优于Flat索引，适合实时检索场景 |
index_refresh_interval | 60 秒 | 匹配行情数据的分钟级更新节奏，平衡索引更新延迟与写入开销 |
filter_field_enable | 开启 | 支持对security_code、data_timestamp字段的结构化过滤，缩小向量召回的候选范围 |
max_recall_count | 前20条 | 覆盖单终端用户单次检索的典型候选需求，避免过多冗余数据进入后续处理环节 |
embedding_dimension | 768 | 匹配所选嵌入模型的输出维度，确保向量索引与嵌入结果对齐，避免维度不匹配错误 |
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：使用PG数据库部署时，索引建立任务超时或抛出
connection timeout错误。原因：宿主机内存不足，8c16G无GPU配置下未优化PG内存参数，批量写入行情数据时内存耗尽。 - 现象：嵌入模型调用报错，返回
model not supported或dimension mismatch。原因：未单独配置索引专用嵌入模型，混用对话模型的API密钥，且未匹配行情数据的字段编码维度。 - 现象：docker-compose启动后索引功能不生效，检索无结果。原因：未正确配置
CHAT_API_KEY环境变量，且未重建容器使新配置生效，导致索引服务无法访问嵌入模型接口。
怎么确认配好了
- 查看嵌入模型调用日志，确认
embedding_dimension字段与索引配置的维度一致，无维度不匹配报错。 - 提交一条测试行情数据，触发索引写入，查看索引分片的写入延迟，符合业务要求的更新节奏。
- 构造包含
security_code和时间范围的检索请求，验证结构化过滤与向量召回的混合查询可正常返回结果。 - 检查索引的增量更新状态，确认新接入的行情数据可在配置的
index_refresh_interval时间内被检索到。
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。