这个品类的数据长什么样
煤化工投研数据涵盖多类来源，包括中国煤炭工业协会发布的月度行业运行报告、郑州商品交易所的炼焦煤与动力煤期货行情数据、上市煤企的年度与季度财报、第三方供应链监测平台的产能库存数据，以及项目环评批复文件等。数据更新节奏差异明显，期货行情为实时更新，行业报告为月度或季度发布，财报为年度或半年度更新，环评文件为项目级不定期发布。文档结构包含结构化表格（如价格、产能、库存数据）、非结构化研报文字，以及扫描版PDF文件。字段与单位包含煤炭品种、产地、价格（元/吨）、产能（万吨/年）、库存（万吨）等，部分文档包含项目文号、发布主体等元数据。
这些特征在「引用来源与溯源」这一环带来什么约束
多来源、多格式的数据要求溯源环节需兼容PDF、表格、扫描件等多种文档类型，且需保留原始发布主体、发布时间等元数据，避免溯源信息缺失。实时行情数据与定期报告的更新节奏存在差异，要求溯源环节区分不同数据源的时效性要求，对高频数据增加校验频率，避免引用过期信息。结构化表格中的字段与单位差异，要求溯源环节需保留原始文档的单位信息，防止在后续分析中出现单位混淆。扫描版PDF文件的OCR解析结果，需关联原始扫描件的溯源链接，确保可回溯到原始文件。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
RETURN_SOURCE_DETAIL | 开启 | 煤化工数据包含多格式文档，需展示原始来源的文件名、发布主体、发布时间等信息 |
SIMILARITY_THRESHOLD | 0.72–0.80 | 煤化工研报内容专业性强，术语密集，过低阈值会引入无关内容，过高阈值会遗漏有效关联文档 |
RECALL_TOP_K | 前8–12条 | 煤化工投研需要覆盖产业链上下游多维度数据，过多召回会增加溯源成本，过少会覆盖不全 |
SOURCE_VERIFY_INTERVAL | 24小时 | 部分实时行情数据更新频率高，需定期校验来源链接有效性，避免过期链接无法溯源 |
UPLOAD_ALLOWED_EXTENSIONS | [".pdf", ".docx", ".xlsx", ".csv"] | 煤化工常用数据源为行业报告PDF、上市公司财报docx、价格表格xlsx/csv，需限制允许上传的文件格式 |
METADATA_REQUIRED_FIELDS | ["title", "publish_time", "author", "source_url"] | 煤化工数据需明确溯源的核心元数据，确保每个来源可追溯到具体发布信息 |
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：输入中文提问后，无法召回并溯源知识库中的英文煤化工文献。原因：未配置多语言语义匹配规则，或
SIMILARITY_THRESHOLD设置过高，导致英文文献的语义匹配度未达到阈值要求。 - 现象：上传Notion链接后，溯源结果中未显示有效文档内容。原因：未将
SOURCE_LINK_VALIDATE配置为支持第三方协作平台链接，或未授予系统访问对应Notion页面的权限。 - 现象：召回结果中显示的字段缺少单位信息。原因：未开启
PARSE_EXTRACT_METADATA配置，或未在METADATA_REQUIRED_FIELDS中包含单位字段，导致解析时未保留原始文档的单位信息。
怎么确认配好了
- 上传一份煤化工行业研报PDF，查看召回结果的详情页，确认是否展示了文件名、发布主体、发布时间等元数据。
- 输入包含煤化工专业术语的中文提问，检查召回结果中是否包含相关文档，且每个结果都可跳转至原始来源链接。
- 上传Notion格式的煤化工数据文档，确认系统可正常解析并关联溯源链接，且详情页展示对应元数据。
- 查看配置后台的
SOURCE_VERIFY_INTERVAL参数，确认校验频率与数据源的更新节奏匹配。
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。