这个品类的数据长什么样
造纸行业投研数据主要来自行业协会公开报告、上市企业定期公告、海关进出口统计、原材料现货期货报价平台。数据更新节奏分多档：月度产能、开机率数据按月更新，年度行业白皮书按季度或年度发布，原材料现货报价每日更新，海关进出口数据按周更新。文档形态包含结构化Excel表格、PDF研报，字段涵盖产品细分品类如文化纸、包装纸、生活用纸等、生产指标数值，单位多为万吨、元/吨，部分文档附带分析模块。
这些特征在「引用来源与溯源」这一环带来什么约束
造纸行业投研数据的多源混合、更新节奏差异及字段单位特殊性，为引用溯源带来多重约束。结构化表格与非结构化研报并存的文档形态，要求溯源时需精准匹配数据块与原始文档的对应位置，避免跨文档引用错位。不同数据源的更新频率差异显著，需在溯源信息中强制记录数据采集时间，防止调用过期的月度产能数据。字段单位包含多种类型，溯源环节需保留原始单位标注，避免单位转换导致的引用偏差。多附件关联的文档结构，要求溯源时绑定主研报与附属数据表格的关联关系，确保引用时可追溯完整来源链路。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
recall_top_k | 前8-12条 | 造纸行业数据多为结构化多维度指标，需足够召回覆盖细分品类的全量相关数据源，避免漏召回关键信息 |
similarity_threshold | 0.75-0.85 | 造纸行业专业术语较多，阈值过低会引入无关文档，过高会错过弱相关但准确的数据源 |
rerank_top_n | 前3-5条 | 结构化数据的相关性排序需更精准的重排，避免召回的非核心数据干扰溯源准确性 |
PARSE_FILE_TIMEOUT_SECONDS | 300-600 秒 | 大型研报PDF常包含多页表格与图表，解析耗时较长，超时会导致文档解析失败无法溯源 |
UPLOAD_FILE_MAX_SIZE | 500-1000 MB | 部分上市企业年报或行业白皮书文件体积较大，限制过小会导致无法上传完整数据源 |
source_include_metadata | 开启 | 需保留文档的上传时间、原始文件名、数据源链接等元数据，用于溯源时的完整信息展示 |
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：生成的答案内容与关联知识库引用完全不匹配，引用的文档未包含答案涉及的造纸产能或价格数据。原因：相似度阈值设置过高，导致召回的文档仅匹配表面关键词，未覆盖核心数据字段，同时未开启重排排序，导致无关文档被优先选中作为溯源来源。
- 现象：本地测试可正常展示引用来源，但通过发布渠道访问时，引用来源字段为空或无法加载。原因：未开启
source_include_metadata元数据存储配置，发布渠道无法获取溯源所需的文档元信息，导致引用链路断裂。 - 现象：接入企业微信后，仅返回引用的文档列表，未生成对应答案内容。原因：召回条数设置过低，仅召回了文档元数据未召回核心问答上下文，导致模型无法生成有效答案，仅能返回溯源信息。
怎么确认配好了
- 上传一份造纸行业的结构化Excel研报，查看解析后的文档元数据是否包含原始文件名、上传时间、数据源链接，确认元数据存储配置生效。
- 发起包含造纸细分品类关键词的提问，查看系统日志中召回的文档数量是否符合预设的召回条数取值范围，确认召回配置正常。
- 检查生成结果的引用溯源模块，确认每条引用都标注了原始文档的来源类型与更新时间，确认单位与字段信息未被篡改。
- 切换至发布渠道发起相同提问，确认引用来源可正常加载展示，确认发布链路的溯源配置无异常。
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。