这个品类的数据长什么样
航空机场投研数据主要来自民航管理机构公开通报、机场年度/月度运营年报、航班时刻API接口、空域流量实时监控数据等渠道。数据更新节奏差异明显：年度年报按自然年更新，月度运营数据按月度发布，实时航班准点率、起降架次数据按小时更新。文档结构包含结构化统计表格、半结构化PDF报告、JSON格式的API返回数据，核心字段包括旅客吞吐量、起降架次、航班准点率、空域流量峰值等，各字段附带专属单位，如人次、架次、百分比、架次/小时，部分数据附带唯一的官方发布编号。
这些特征在「引用来源与溯源」这一环带来什么约束
航空机场投研数据的多源属性、差异化更新节奏与专属字段单位，对引用溯源环节提出明确约束。不同更新周期的数据需绑定对应时间戳，避免混淆实时数据与历史统计内容；结构化表格的字段与单位需完整保留，否则无法准确还原投研依据的原始统计口径；多渠道来源的数据需关联唯一标识，防止不同机构发布的同类数据被错误交叉引用。此外，实时数据的溯源需精准记录采集时间，确保引用的内容与当前投研场景的时间范围匹配。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
ENABLE_SOURCE_TRACING | 开启 | 航空机场投研数据来源分散，需强制记录每个知识片段的原始数据源信息 |
SOURCE_DISPLAY_MODE | 完整数据源路径+采集时间戳 | 实时航班数据和月度统计数据需明确时间标识，避免引用过期或混淆不同周期的内容 |
PARSE_TABLE_KEEP_UNIT | 开启 | 航空机场数据包含人次、架次等特定单位，需在溯源元数据中保留字段单位信息 |
UPLOAD_FILE_MAX_SIZE | 1800 MB | 机场年度年报PDF通常包含数十页数据图表与详细运营说明，需支持大文件上传解析 |
EMBEDDING_METADATA_FIELDS | 原始文件名、发布机构、采集时间 | 为每个嵌入向量绑定核心溯源元数据，便于后续精准定位原始文档 |
RECALL_TOP_K | 前8条 | 航空机场投研数据源较多，需保留足够多的候选来源用于精准匹配溯源 |
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：本地部署的FastGPT知识库磁盘占用超出预期，存储目录中存在大量未关联知识片段的元数据文件。原因：未开启
SOURCE_TRACING_CLEANUP参数，导致解析后的溯源元数据未被自动清理，额外占用存储资源。 - 现象：召回结果中来源字段缺失单位信息，无法准确理解引用数据的统计口径。原因：未开启
PARSE_TABLE_KEEP_UNIT配置，导致结构化数据的单位未被写入溯源元数据。 - 现象：引用的历史航班数据被错误标注为实时数据。原因：未配置
SOURCE_TIMESTAMP_SYNC参数，导致采集时间覆盖了原始文档的发布时间，混淆了数据的时效性。
怎么确认配好了
- 上传一份机场月度运营统计表，解析后查看片段的元数据详情，确认包含发布机构、采集时间和字段单位信息。
- 发起一次投研查询，查看召回结果的来源展示区域，确认每条结果都标注了完整的数据源路径和对应时间戳。
- 检查本地部署的FastGPT存储目录，确认仅保留原文件、分割后的知识片段和绑定了溯源元数据的嵌入向量，无冗余的未关联元数据文件。
- 导入一份2023年的机场年报数据，验证召回结果中会明确标注数据的发布年份，与实时数据的时间标识形成区分。
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。