这个品类的数据长什么样
炼化财报的数据来源为上市炼化企业的定期报告、半年度报告、年度报告中的炼化板块专项披露内容，以及行业协会发布的月度运行简报。更新节奏分为定期更新与临时更新：定期报告按季度、半年度、年度发布，临时公告随重大装置检修、产品结构调整等事项同步发布。文档结构包含经营数据概览、装置运行指标、成本费用明细、盈利分析四个模块，核心字段包括原油加工量、汽油收率、单位制造费用、毛利等，对应单位分别为万吨、百分比、元/吨、亿元，同时包含结构化表格与非结构化文字分析内容，部分报告嵌入可视化图表。
这些特征在「向量模型与索引」这一环带来什么约束
炼化财报的结构化字段与专用术语较多，要求向量模型需具备工业文本的语义表征能力，避免对专用术语的语义误解。文档中包含可视化图表，需先完成OCR文本提取才能纳入索引，否则图表内的关键数据无法被检索。定期与临时的混合更新节奏，要求索引系统支持增量同步，避免全量重建带来的资源消耗与延迟。文档的分块需保留字段与单位的关联，不能随意截断，否则会导致检索结果无法匹配完整的业务单元。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunk_size | 800–1200 字符 | 炼化财报的单块内容需覆盖完整的装置指标或成本明细，避免截断关键数据单元 |
chunk_overlap | 50–100 字符 | 保障跨分段的关键术语（如产品收率）不被拆分丢失，提升召回连贯性 |
embedding_model | 按实测标定（优先选择工业文本微调的embedding模型） | 炼化行业存在大量专用术语，需适配工业文本的语义表征能力 |
embedding_api_url | 按服务实际地址填写（本地部署时填写对应端口的API路径） | 适配不同embedding服务的接入需求，确保向量生成请求能正确发送 |
recall_top_k | 10–15 条 | 炼化财报的指标维度较多，需召回足够数量的相关块以覆盖多维度分析需求 |
similarity_threshold | 0.75–0.85 | 过滤低相关性的非行业术语文本，避免召回无关的通用财报段落 |
incremental_sync_enabled | 开启 | 适配炼化财报的定期更新与临时公告增量发布需求，减少全量重建的资源消耗 |
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：切换
embedding_model后界面显示无同步进度，且无法回退至原模型。原因：未先清空原有向量索引缓存，直接切换模型导致索引生成任务冲突，系统无法识别新模型的向量格式。 - 现象：配置
embedding_api_url对接第三方embedding服务时返回404 page not found错误。原因：未正确填写向量模型的API接口路径，或未在请求头中携带有效的API密钥参数。 - 现象：知识库中嵌入的财报图表数据无法被向量索引检索到。原因：未启用文档解析环节的OCR文本提取配置，或未使用匹配财报格式的解析插件版本。
怎么确认配好了
- 上传单份炼化板块的财报片段文档，查看系统控制台的向量生成日志，确认所选
embedding_model已正确加载且无异常报错。 - 发起包含炼化行业专用术语的检索请求，核对召回结果的文本块是否覆盖目标财报字段与对应数据。
- 上传一份新增的临时公告文档，查看知识库索引的同步进度是否正常完成，确认增量更新配置已生效。
- 调整
recall_top_k参数值，观察检索结果的返回条数变化，确认配置项已同步至检索环节。
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。