这个品类的数据长什么样
油气开采领域的数据源包括油气田内部作业系统的实时监测数据、自然资源主管部门公开的勘探报告、行业权威期刊的研究论文、第三方油气服务机构的公开数据集。数据更新节奏分为三类：实时监测数据每15分钟更新一次，月度作业报表于次月5日前发布，年度行业报告于次年3月底前发布。单篇文档结构包含井场标识、测井深度、岩性类型、渗透率、含油饱和度等字段，其中测井深度单位为米，渗透率单位为毫达西，含油饱和度以小数形式记录。
这些特征在「引用来源与溯源」这一环带来什么约束
实时监测数据的高频更新要求溯源功能需匹配数据的采集时间戳，避免引用过期的监测结果。多维度字段的文档结构要求溯源需精准定位到具体字段所在的段落，仅返回整份文档不符合该要求。分散的数据源来源要求溯源功能支持跨源标识的统一展示，同时需配置字段映射规则适配不同数据源的命名差异。长文档的存在要求溯源功能支持段落级的定位展示，避免返回冗余的全文内容，提升溯源信息的可读性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
reference_paragraph_mode | 启用段落级溯源 | 适配油气开采文档长且需精准定位具体数据段的场景，避免返回整页文档作为引用 |
source_field_mapping | 配置井号、渗透率、测井深度为统一溯源字段 | 适配油气开采数据多字段的特征，统一不同数据源的字段展示格式 |
recall_top_k | 前8条 | 油气开采数据的字段维度多，需要足够的召回量覆盖相关数据来源，避免遗漏关键信息 |
similarity_threshold | 0.75–0.85 | 过滤低匹配度的溯源结果，避免引入无关的钻井日志或报表 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 适配长文档（如完整钻井日志）的解析时长，避免解析超时导致溯源失败 |
enable_real_time_source_sync | 开启实时同步 | 适配实时监测数据的高频更新，保证溯源数据与源数据时间戳一致 |
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：导出的知识库备份仅包含整体知识库文件，无法按井号、业务分类拆分导出。原因：未配置
source_export_group_rule参数，未开启按业务维度拆分导出的功能。 - 现象：调用问答API返回的结果中
source_info字段为空。原因：未开启enable_source_reference配置，或召回配置未关联源数据索引。 - 现象：知识库原文链接访问时返回404状态码。原因：未配置nginx代理的源文件路径映射，导致原文链接无法指向真实存储位置。
怎么确认配好了
- 上传单篇钻井日志文档，发起包含该文档内字段的查询，核对返回结果的引用模块是否展示精准的段落位置与对应字段信息。
- 调用问答接口，检查返回结果中是否包含预设的溯源字段内容，确认
source_info字段存在且格式符合配置要求。 - 配置nginx代理后，手动访问知识库原文链接，确认可以正常加载对应文档，无访问报错。
- 上传实时更新的监测数据文档，发起查询后核对引用的时间戳是否与源数据的采集时间匹配。
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。