这个品类的数据长什么样
炼化营销内容的数据源主要包括金融机构面向炼化企业的供应链金融产品手册、区域经销商专属融资政策文件、阶段性融资促销活动通知、行业展会的金融服务宣传物料及炼化企业客户常见问题整理文档。更新节奏随业务节奏调整，产品手册更新随炼化行业新品投产或产能调整触发，促销政策按月或季度更新，经销商政策每半年梳理一次。文档以长文本为主，单篇文档长度跨度大，既有数百字的促销短通知，也有数千字的产品合规说明。字段包含产品牌号、辛烷值、硫含量、融资额度、经销商编码等，配套单位包括ppm、mg/L、吨、万元/吨等。
这些特征在「向量模型与索引」这一环带来什么约束
炼化营销内容的长文本跨度大、专业术语多且时效性差异显著，对向量模型与索引环节带来多重约束。长文本文档的拆分需要适配不同内容结构，避免将跨章节的金融产品条款与炼化行业技术参数拆分至同一段落，影响向量表征准确性。专业字段如辛烷值、硫含量等工业术语与融资额度等金融字段并存，要求向量模型同时具备工业领域与金融领域的中文语义理解能力，通用embedding模型可能无法准确映射跨领域语义。不同类型内容的更新节奏差异明显，增量索引需支持按文档类型触发更新，避免全量重建浪费资源。时效性较强的促销内容，索引需附带时间戳字段，支持按发布时间过滤非当前有效的融资或政策内容。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
embedding_model | shaw/dmeta-embedding-zh | 适配工业与金融领域的专业术语，对炼化相关的技术文本与金融产品文本的语义表征更贴合 |
chunk_size | 800–1200 字符 | 适配炼化营销文档的章节长度，避免拆分跨技术或跨金融条款的段落，保证单段向量表征的语义完整性 |
chunk_overlap | 100–150 字符 | 弥补长文本拆分后的语义断层，保证相邻段落的上下文关联，避免跨领域语义被割裂 |
index_incremental_update | 开启 | 适配营销内容分批次更新的节奏，减少全量索引重建的资源消耗 |
recall_top_k | 前 8–12 条 | 炼化营销内容的专业信息密度较高，过多召回会引入无关内容，过少则无法覆盖有效信息 |
filter_by_timestamp | 开启 | 营销内容时效性强，需按发布时间过滤非当前有效的促销或政策内容 |
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
recall_top_k取值过大且未启用时间过滤时，知识库搜索响应超时。原因：召回过多非时效性内容，向量相似度计算量随召回条数线性增加，超出硬件算力上限。 - 现象：使用通用中文embedding模型处理炼化营销文本时，搜索结果匹配度偏低。原因：通用embedding模型未学习工业与金融跨领域专业术语的语义关联，无法准确映射辛烷值、融资额度等字段的语义。
- 现象：新增自定义索引时未指定字段过滤规则，导致融资政策与产品技术参数被混同召回。原因：未通过索引配置绑定产品牌号、融资额度等专属字段，无法按业务维度筛选有效内容。
怎么确认配好了
- 上传一篇炼化产品手册与一篇融资促销通知，检查拆分后的段落是否按章节划分，无跨领域内容拼接的情况，确认分段配置符合文档结构。
- 发起搜索请求，输入专业术语如“92号汽油辛烷值”，检查返回结果是否优先匹配炼化相关的金融服务内容，确认embedding模型适配跨领域语义。
- 提交带有时间戳的促销文档与历史政策文档，验证搜索结果是否可按发布时间过滤，确认时间过滤配置生效。
- 模拟增量更新一篇促销通知，检查索引是否仅更新新增文档，未进行全量重建，确认增量索引配置正确。
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。