这个品类的数据长什么样
数据来源包括热力企业官方公众号推文、线下推广物料的电子化版本、用户服务热线的常见问题整理、供暖季专属营销活动文案。更新节奏为供暖季启动前1-2个月集中更新，日常每月1-2次更新，营销活动期间按需新增内容。文档以长文本为主，包含活动规则、服务时段、收费标准、服务区域等字段，涉及温度（℃）、缴费金额（元）、服务覆盖范围（街道/小区）等单位。
这些特征在「向量模型与索引」这一环带来什么约束
热力营销内容的长文本结构要求向量模型与索引需平衡分段完整性与语义关联性，避免割裂活动规则、区域说明等核心信息。字段中的明确单位（如温度、缴费金额）要求索引需保留数值关联特征，避免泛化编码导致的语义偏差。集中式的更新节奏与按需新增的特性，要求索引支持增量更新，避免全量重训，从而降低资源消耗。时效性强的营销内容还要求索引可配置过期时间，避免召回过时的活动信息。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunk_size | 800–1200 字符 | 热力营销内容包含活动规则、区域说明等长片段，该区间可保留语义完整性，避免分段割裂核心信息 |
chunk_overlap | 100–150 字符 | 服务区域、收费标准等内容可能跨分段，重叠区间可保留上下文关联，避免语义断裂 |
RECALL_TOP_K | 前6–8条 | 热力营销场景的用户查询通常聚焦单一场景，过多召回会引入无关区域或活动的信息 |
SIMILARITY_THRESHOLD | 0.72–0.78 | 需区分相似的供暖区域、活动类型，过低会引入无关结果，过高会遗漏精准匹配内容 |
INCREMENTAL_INDEX_ENABLE | 开启 | 热力营销内容更新集中且按需，增量索引可避免全量重训的资源消耗 |
DEDUPLICATE_CHUNKS | 开启 | 避免因chunk_overlap参数导致的重复分段，降低索引冗余 |
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：单份热力营销文档上传后，解析分段数显示为13段，而原文档实际分为8段，出现重复分段。原因：未开启
DEDUPLICATE_CHUNKS开关，且chunk_overlap参数设置过大，导致重叠区间的文本被重复计入不同分段。 - 现象：从4.9.0升级到4.9.3后，原有热力营销内容无法被召回。原因：新版本的向量模型编码逻辑与旧版存在差异，未重新生成向量索引，原有索引无法匹配新的查询嵌入。
- 现象：批量更新热力营销内容时触发超时报错。原因：未开启
INCREMENTAL_INDEX_ENABLE，执行全量重训时未调整PARSE_FILE_TIMEOUT_SECONDS参数，导致单份大文件解析超时。
怎么确认配好了
- 上传一份典型的热力营销活动文案，查看解析后的分段列表，核对分段数与文档结构匹配度，调整
chunk_size和chunk_overlap直至分段无明显语义割裂。 - 发起模拟用户查询，如“XX街道供暖缴费优惠”，查看召回结果的相似度得分，调整
SIMILARITY_THRESHOLD至结果精准匹配查询场景。 - 上传一份更新后的营销活动文案，查看索引任务状态，确认仅新增分段被处理，未触发全量重训，验证增量索引配置生效。
- 批量上传多份同类型营销文档，检查索引完成后的总分段数，确认无重复分段，验证
DEDUPLICATE_CHUNKS配置生效。
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。