这个品类的数据长什么样
储能品类的财报数据主要来自上市储能企业的定期报告、行业监管披露文件及企业公开公告。更新节奏按季度报告、年度报告及临时公告分批次推进。文档多为结构化与半结构化混合形式，包含营收拆分、产能装机量、单位成本、研发投入等字段，装机量单位多为MW、GWh，财务字段多以人民币元为计价单位，部分文档附带分季度的业务明细表格。
这些特征在「向量模型与索引」这一环带来什么约束
储能财报的结构化占比高且包含数值型业务字段，要求向量模型适配多类型特征编码，避免出现仅针对纯文本优化的模型适配偏差。文档内附带分业务明细表格，索引拆分时需保留表格上下文关联，防止拆分破坏业务逻辑。单位统一为MW、GWh等固定制式，索引需关联字段与单位的对应关系，避免检索混淆。临时公告更新周期不固定，增量索引机制需适配非标准化的更新节奏。长文本业务描述段落较多，分段需遵循业务逻辑边界，不进行无规则截断。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunk_size | 800–1200 字符 | 储能财报包含长业务描述与明细表格，该区间可保留业务逻辑块，避免截断关键信息 |
vector_model | bge-large-zh-v1.5 | 该模型对中文财报的结构化文本与数值关联语义适配性较好，支持多特征编码 |
index_batch_size | 32–64 | 储能财报文档单篇数据量较大，该批次可平衡索引效率与内存占用 |
enable_table_parse | 开启 | 储能财报包含大量业务明细表格，开启后可保留表格结构与字段关联 |
similarity_threshold | 0.72–0.80 | 财报文本的语义相似度区分度较高，该区间可过滤低相关的检索结果 |
incremental_update_strategy | 按文档更新时间触发 | 储能财报更新周期不固定，该策略可适配临时公告的非标准化更新 |
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：导出的知识库dataset.csv仅包含index字段，无content字段。原因：未开启文档解析后的原始文本提取配置，仅同步了索引元数据，未同步完整业务文本。
- 现象：使用bge-large模型导入储能财报文本时，未调整分段参数导致检索召回结果逻辑断裂。原因：未针对财报长业务段落调整
chunk_size，默认分段截断了跨段落的业务关联信息。 - 现象：多GPU硬件环境下仅单张显卡被调用，索引任务未利用剩余算力。原因：未配置
CUDA_VISIBLE_DEVICES参数指定可用显卡，系统默认仅识别第一张显卡设备。
怎么确认配好了
- 上传单篇储能财报文档，查看解析后的分段结果，确认分段未截断业务逻辑关联的内容。
- 输入储能财报相关的检索词，核对召回结果的字段与单位匹配度，确认索引关联了字段与单位信息。
- 查看索引任务日志，确认增量更新任务可随临时公告的发布时间自动触发。
- 检查Docker容器的GPU挂载配置，确认多张显卡可被向量模型服务正常识别。
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。