这个品类的数据长什么样
焦炭财报分析的数据主要来自上市焦炭生产、贸易企业的公开定期报告，以及行业协会发布的月度供需监测报告。数据更新节奏为季度报告每季度末发布，半年度报告、年度报告分别于半年末、年末后两个月内公开。单份财报文档包含结构化财务表格、业务经营分析段落两类内容，字段涵盖焦炭产销量、吨焦生产成本、港口焦炭库存等，行业报告则额外包含区域价差、运输成本等细分数据。
这些特征在「向量模型与索引」这一环带来什么约束
焦炭财报的混合数据结构与分层更新节奏，对向量模型与索引环节带来多重约束。首先，结构化财务数值与非结构化分析文本需分别适配向量化逻辑，需将数值转换为自然语言描述后再处理，避免通用向量模型对数值特征的误判。其次，数据更新存在季度、半年度、年度的分层节奏，索引需支持按周期配置增量刷新与全量刷新的触发规则，减少无效计算。另外，单份文档长度差异较大，长分析段落需拆分适配模型输入上限，避免截断丢失关键语义。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
TEXT_SPLITTER_CHUNK_SIZE | 800–1200 字符 | 适配焦炭财报分析段落的平均长度，平衡语义完整性与向量召回精度 |
CHUNK_OVERLAP_RATE | 10–15% | 避免长段落拆分后丢失上下文关联，适配财报分析的长逻辑依赖 |
RECALL_TOP_K | 10–15 条 | 覆盖焦炭财报多维度的指标与分析内容，确保检索结果的完整性 |
SIMILARITY_THRESHOLD | 0.72–0.80 | 过滤低相关的召回结果，适配焦炭行业术语的语义相似度特征 |
INDEX_INCREMENTAL_UPDATE_ENABLED | 开启 | 适配财报按周期更新的节奏，减少重复索引的计算开销 |
VECTOR_MODEL_API_TIMEOUT | 15 秒 | 预留足够的远程API响应时间，避免索引构建过程中触发超时中断 |
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
- 现象为集合创建后提示创建成功，但页面始终无法显示已建立的索引，或索引构建进度停留在最后一组。原因是未开启增量索引更新开关，或向量模型API超时时间设置过短，导致索引构建过程中触发超时中断且未生成有效索引文件。
- 现象为本地环境下向量检索得分符合预期，但打包为Docker镜像运行后，所有文本的向量得分完全一致。原因是Docker容器内未正确配置向量模型的访问权限，导致所有请求均调用了默认的空向量生成逻辑。
- 现象为混合检索响应时长显著高于纯向量检索，单次检索耗时超过10秒。原因是召回条数取值过高，或未关闭非必要的结构化字段索引，导致混合检索时需要加载并匹配过多的冗余数据片段。
怎么确认配好了
- 上传一份单份焦炭财报文档，检查向量分片的数量与文档结构匹配度，确认分段长度符合预设配置。
- 触发一次全量索引构建，查看任务日志中是否存在超时或字段解析失败的报错，确认API超时时间与更新开关配置正确。
- 发起一次检索请求，检查返回结果的相似度分布，根据业务需求调整相似度阈值的取值区间。
- 对比纯向量检索与混合检索的响应时长，确认混合检索的配置符合场景的性能要求。
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。