这个品类的数据长什么样
航空机场营销内容的数据来源包括机场官方营销管理系统的广告排期、航线推广文案、航站楼互动物料、会员专属活动素材、合作品牌联动的宣传内容，以及机场公众号、航司APP的历史推文。更新节奏分为三类：航线推广素材按季度更新，常规广告排期按周更新，临时活动素材按日更新。文档结构包含素材唯一标识、发布渠道、素材类型、生效时间段、关联航班号、目标客群标签，字段单位包括字符数、秒、航班编号。
这些特征在「向量模型与索引」这一环带来什么约束
多源异构的数据类型，包含结构化的排期表、非结构化的文案与短视频脚本，要求向量模型同时适配文本与元数据的向量化处理。不同更新节奏的素材，需要支持按类型配置差异化的索引刷新周期，避免资源浪费或内容过期。包含航班号、生效时段等结构化元数据，要求索引支持按元数据字段做过滤召回，精准匹配用户查询的场景。短文案与长推文混合的内容长度，要求分段策略可灵活调整，避免破坏营销内容的逻辑完整性。跨来源的物料格式差异，要求预处理环节可自动适配不同的文本抽取规则。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
EMBEDDING_MODEL | text-embedding-3-small 或 bge-large-zh-v1.5 | 航空机场营销内容以中文为主，该类模型兼顾向量化精度与推理速度 |
CHUNK_SIZE | 800–1200 字符 | 适配营销文案的段落长度，保留完整的活动信息与客群引导逻辑 |
RECALL_TOP_K | 前 8–12 条 | 覆盖机场营销的多渠道、多场景内容，避免召回结果过于单一 |
INDEX_REFRESH_INTERVAL | 高频临时素材设为每 15 分钟，低频航线素材设为每 24 小时 | 匹配不同类型营销内容的更新节奏，平衡索引性能与内容时效性 |
MONGODB_INDEX_FIELDS | embedding_vector, publish_time, flight_number | 关联Mongo集合的向量字段、发布时间与关联航班号，支持按场景过滤召回 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 适配长视频脚本、多页宣传册等较长素材的解析耗时 |
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
- 现象为导出的知识库dataset.csv仅含index字段无content，原因是未开启
EXPORT_CONTENT_WITH_INDEX配置项，或解析阶段未正确抽取营销素材的正文内容。 - 现象为Docker部署后无法加载向量索引模型，原因是未在
docker-compose.yml中挂载模型存储目录，或未正确配置EMBEDDING_MODEL_API_BASE的访问地址。 - 现象为自定义索引关联Mongo集合时无法正常召回内容，原因是未将FastGPT的索引配置与Mongo集合的实际字段名对齐，或未指定正确的集合名称。
怎么确认配好了
- 上传一份机场营销推文素材，查看解析后的分段内容，确认分段逻辑符合
CHUNK_SIZE的配置，未破坏文案的完整逻辑。 - 进入FastGPT的索引管理页面，查看索引刷新任务的执行日志，确认不同类型的营销素材按照配置的刷新周期完成了更新。
- 输入模拟用户查询的关键词，执行向量召回，核对召回结果的条数符合
RECALL_TOP_K的配置范围。 - 导出知识库的dataset.csv，确认content字段已正常生成，且包含素材的完整正文内容。
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。