这个品类的数据长什么样
化学制药财报数据主要来源于境内外证券交易所披露的定期报告、药企官方发布的年度、半年度及季度财务公告。更新节奏为年度报告每年披露一次，半年度、季度报告按对应监管要求周期更新。文档结构包含合并财务报表、管理层讨论与分析、研发投入明细、核心产品营收占比、专利相关财务数据等模块。字段涵盖研发资本化金额、临床试验投入、原料药生产成本占比、单位产品毛利率等，单位多为人民币万元、亿元，部分境外业务数据会以美元计价披露。
这些特征在「向量模型与索引」这一环带来什么约束
单份财报的非结构化文本（如管理层讨论与分析）篇幅较长，会导致向量分块后生成的向量数量增加，需调整分块参数避免语义割裂。财报包含结构化财务指标与非结构化分析文本的混合内容，需配置字段级的向量映射规则，区分不同维度的信息权重。研发投入、管线相关字段的语义密度较高，会影响召回结果的相关性判断，需针对性调整召回策略。定期更新的特性要求配置增量与全量结合的索引同步方案，保障索引数据与披露信息的时效性。部分境外业务数据包含英文文本，需选择支持多语言的向量模型，确保跨语言检索的准确性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunk_size | 800–1200 字符 | 适配化学制药财报长文本的语义完整性，避免单块内容割裂，同时控制向量生成的单次任务开销 |
embedding_model | m3e-base | 支持中英文混合文本，适配财报中境内外业务披露的多语言内容，同时适配平台内置的部署流程 |
similarity_threshold | 0.72–0.80 | 过滤低相关的召回结果，适配财报文本语义严谨的特性，避免混入非目标财务片段 |
recall_top_k | 前 10–15 条 | 覆盖财报多维度的核心分析信息，同时控制后续重排与分析的计算开销 |
index_update_strategy | 增量同步 + 全量同步每季度 | 匹配财报按季度/年度更新的节奏，增量同步保障实时性，全量同步修正历史索引偏差 |
field_weight_config | 研发投入字段权重设为1.5，其余字段设为1.0 | 突出研发投入这一化学制药财报的核心分析维度，提升其向量召回的优先级 |
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：向量召回结果中出现相似度分值超过10000的异常条目。原因：未配置相似度阈值过滤，或向量模型的输出归一化处理未开启，导致原始相似度分值未做范围校准。
- 现象：知识库上传化学制药财报后显示未索引，且模型提示无可用频道。原因：未在平台配置页添加对应向量模型的部署频道，或频道配置的接口地址、密钥参数有误。
- 现象：索引任务启动后超过10分钟未完成，或返回504超时状态码。原因：未调整分块大小适配长文本财报，导致单批次向量生成任务超时，或向量数据库的连接并发数设置过低。
怎么确认配好了
- 上传单份化学制药财报样本，查看向量分块的数量与长度，确认符合预设的
chunk_size配置。 - 发起财报关键词检索，查看召回结果的相似度分值分布，确认已应用
similarity_threshold过滤异常分值。 - 修改一份测试财报的研发投入字段，触发索引更新，查看向量数据库中对应文档的更新时间，确认索引同步策略生效。
- 切换至中英文混合的测试文本，验证检索结果是否覆盖多语言内容，确认
embedding_model的多语言支持正常。
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。