这个品类的数据长什么样
整车投研的数据来源覆盖车企公开年度/季度财报、工信部机动车产品公告、第三方整车性能测试报告、供应链企业披露文件、行业协会月度销量统计。更新节奏因数据源类型差异明显：财报按季度/年度更新，车型测试报告随新车型上市发布，供应链数据按月度更新。文档结构包含长文本类（如数千字的评测报告、数百页的财报文档）、结构化表格类（含整备质量、CLTC续航、指导价等参数）与零散公告类。字段与单位有严格规范，例如续航里程需标注CLTC/NEDC测试标准，车身尺寸单位为毫米，指导价单位为人民币元。
这些特征在「引用来源与溯源」这一环带来什么约束
长文本与结构化数据并存的特征，要求溯源时需保留文档的原始段落标识与元数据。例如长财报文档分段后需关联原始页码，否则无法精准定位引用来源；结构化参数表需保留字段名与测试标准，避免不同车型参数混淆。多更新节奏的数据源要求溯源系统支持按发布时间筛选源数据，确保引用的是最新版本的参数与公告。不同格式的文档（PDF、Excel、网页）需统一解析逻辑，保留发布机构、发布时间等元数据，否则溯源时无法明确来源权威性。参数的严格单位要求溯源时需同步展示测试标准与单位，避免用户误解引用内容的适用场景。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
recallTopK | 前8-12条 | 整车投研数据参数多、关联信息杂，需召回足够条目覆盖相关参数与评测内容 |
similarityThreshold | 0.75-0.85 | 过滤低相关召回结果，同时保留同车型不同批次的细微参数差异 |
chunkSize | 800-1200字符 | 适配整车评测文本与财报章节的长度，平衡召回精度与溯源定位精度 |
chunkOverlap | 150-200字符 | 长文档分段时保留上下文关联，确保溯源时能定位到完整段落 |
ENABLE_SOURCE_MATCH_EXACT | 开启 | 强制返回知识库原文答复，避免AI生成改写内容 |
PARSE_FILE_TIMEOUT_SECONDS | 600秒 | 处理大型财报PDF时避免超时中断 |
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：返回的回答未使用知识库原文答复，出现AI生成的改写内容。原因：未开启
ENABLE_SOURCE_MATCH_EXACT参数，或召回阈值设置过低导致召回非目标问答对。 - 现象：知识库已上传源数据，但回答中未显示引用来源字段。原因：未配置
SHOW_SOURCE_CITATION为开启状态，或解析时未保留文档的原始页码/段落标识。 - 现象：索引过程卡住无响应，日志显示
ETIMEDOUT错误。原因：未调整PARSE_FILE_TIMEOUT_SECONDS参数，大型财报PDF解析超时未触发重试机制。
怎么确认配好了
- 上传一份带明确页码的整车财报PDF，执行查询后查看返回结果的引用栏，确认显示了文档名称、页码与发布机构。
- 输入一个精准的参数查询（如“某车型CLTC续航里程”），检查返回内容是否直接使用知识库中结构化参数表的原文内容，未出现改写。
- 上传一份结构化的Excel参数表，执行查询后确认引用来源中包含表格的列名与对应字段值。
- 模拟增量更新场景，上传更新后的车型参数文档，查看索引任务是否在预设时间内完成，无超时报错。
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。