这个品类的数据长什么样
资金来源KYC数据主要来自用户提交的银行交易流水、纳税申报表、资产权属证明、贸易合同扫描件，以及合规审核生成的核验记录。更新节奏随用户提交频次波动，单次提交的单份文档长度差异较大，短则数百字符的流水摘要，长则数万字符的年度流水台账。文档多为结构化表格或半结构化转写文本，字段包含交易流水号、入账金额、交易对手名称、资金用途，单位多为人民币元、美元等法定货币单位。
这些特征在「知识库检索与召回」这一环带来什么约束
资金来源KYC的数据特征会对检索召回环节带来多重约束。单份文档长度跨度大，需自适应分段策略避免截断关键交易信息。结构化字段占比高，包含交易日期、入账金额、交易对手名称等明确字段，需兼顾字段精准匹配与全文语义检索的双重需求。更新频次随业务提交波动，需支持增量式知识库同步，避免全量重扫占用资源。OCR转写的扫描件存在格式偏差，需配置实体对齐规则修正交易对手名称、金额数值的识别误差，降低召回噪声。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunkSize | 800–1200 字符 | 资金来源文档包含长流水台账与短摘要，该区间可平衡分段完整性与上下文连贯性，避免截断关键交易字段 |
similarityThreshold | 0.75–0.85 | 资金来源需精准匹配交易对手、金额等实体，阈值过低会引入无关召回结果，过高则可能遗漏合规匹配项 |
recallTopK | 前 8–10 条 | 资金来源核验需多份交叉验证，过多召回会增加审核负担，过少则无法覆盖全部相关文档 |
enableStructuredRetrieval | 开启 | 资金来源文档包含大量结构化交易字段，开启后可针对字段进行精准匹配，提升召回准确率 |
syncIncremental | 开启 | 资金来源提交频次波动，增量同步可减少全量扫描的资源消耗，适配业务实时更新需求 |
parseOcrErrorCorrection | 按交易字段标定 | OCR转写的流水文本多在金额、对手方字段存在误差，针对这些字段单独校正可提升检索一致性 |
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：语义检索得分显示为4000以上的非0-1区间数值。原因：未正确配置
similarityThreshold的归一化参数，导致原始相似度得分未经过缩放处理，直接返回了模型内部的原始分值。 - 现象：调试时偶发无搜索结果返回，日志显示
search_timeout状态码。原因：未针对长文档调整chunkOverlap参数，导致分段后关键交易信息被截断，检索时无法匹配到有效片段。 - 现象：回答中强制显示知识库搜索模块，无法隐藏。原因：未关闭
displaySearchResult配置项，或未在对话链中设置hideSearch参数，导致检索结果强制展示。
怎么确认配好了
- 上传一份典型的资金来源文档，检查分段后的文本是否完整保留了交易日期、金额、对手方等核心字段，无明显截断。
- 输入包含特定交易对手名称的查询，核对召回结果的相似度得分是否符合业务匹配需求，调整配置项以优化匹配精度。
- 提交增量更新的资金来源文档，检查知识库是否仅同步新增内容，未触发全量重扫操作。
- 发起对话并关闭搜索展示开关，确认回答中未显示知识库检索模块。
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。