这个品类的数据长什么样
焦炭投研数据主要来源为大连商品交易所公开行情数据、中国煤炭工业协会行业报告、沿海主要港口现货交易台账、下游钢铁企业生产简报。数据更新节奏分层级：期货行情类数据每日收盘后同步更新，月度行业报告于每月上旬发布，港口库存数据隔日更新，钢厂开工调研数据按周更新。单篇标准文档包含发布日期、产地、基准现货价格、港口库存总量、日均成交量、下游开工相关统计值等字段，其中价格单位为元/吨，库存与成交量单位为万吨，开工相关统计值采用标准化统计单位。
这些特征在「知识库检索与召回」这一环带来什么约束
焦炭投研数据的多来源、分层更新节奏，要求知识库检索环节支持按更新周期配置增量同步规则，避免全量同步带来的资源浪费。多字段的结构化特征，要求检索系统支持数值范围匹配与元数据过滤，例如基于价格区间、库存总量筛选相关文档。焦炭下游绑定钢铁行业的属性，要求召回逻辑关联钢铁开工、粗钢产量等跨品类文档，避免单一品类检索的局限性。固定的字段与单位格式，要求解析环节完成单位归一化处理，统一不同文档中价格、库存的表述格式，确保检索匹配的准确性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
召回条数 | 前10-15条 | 焦炭投研文档的专业度较高，过多召回会超出上下文窗口限制，过少则无法覆盖关键关联信息 |
相似度阈值 | 0.72-0.80 | 焦炭文档包含大量精准数值与专业术语，需较高相似度阈值过滤无关内容，确保召回结果的相关性 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 单篇大型行业报告包含多组数据表格，解析耗时较长，需设置足够的超时时间避免解析中断 |
分段长度 | 800-1000 字符 | 焦炭文档的专业术语与数值关联紧密，较长分段可保留完整的上下文逻辑，提升检索匹配精度 |
元数据索引开关 | 开启 | 结构化字段如价格、库存可用于快速过滤，大幅提升精准检索的效率 |
增量同步周期 | 按文档类型分层配置：期货数据每日，行业报告每月 | 匹配焦炭数据的分层更新节奏，避免无效同步或更新不及时 |
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：上传包含本地图片路径的Markdown文档后，知识库检索结果中图片无法正常加载，界面显示破损占位图标。原因：仅使用本地绝对路径引用图片，未将图片上传至知识库允许的公共存储路径，导致检索时无法获取图片资源。
- 现象：在检索配置环节仅能选择默认的文本理解模型，无法添加自定义部署的模型。原因：未完成自定义模型的系统接入配置，或未在检索任务中开启自定义模型的调用权限。
- 现象：批量导入文档后生成的索引包含大量无关的页眉、页脚内容，无法按预设的业务字段分组。原因：未开启文档结构化解析功能，未指定需要提取的核心元数据字段，导致解析后的文本包含冗余内容。
怎么确认配好了
- 上传一篇包含焦炭现货价格、港口库存的测试文档，检查解析后的元数据字段是否正确提取，例如产地、价格数值等字段是否完整。
- 发起一次基于预设价格区间的检索，验证是否能筛选出符合条件的文档，确认元数据过滤功能正常生效。
- 查看检索结果的召回条数与相似度得分，确认符合配置项中设定的取值范围。
- 上传包含本地图片的Markdown测试文档，检查检索结果中图片是否正常加载，确认资源存储路径配置正确。
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。