这个品类的数据长什么样
航空机场智能尽调的数据来源包括民航主管部门公开的月度/季度运营统计、机场集团官方年度运营报告、空管部门的实时起降流量数据。数据更新节奏分为三类：实时起降数据按小时更新，月度客流、货邮吞吐量数据按月更新，年度运营指标按自然年更新。文档以结构化表格为主，包含机场三字码、中文名称、所在城市、年起降架次、年旅客吞吐量、货邮吞吐量、跑道数量、航站楼总面积等字段，字段单位分别为架次、人次、吨、个、平方米。
这些特征在「多轮对话与提示词」这一环带来什么约束
数据的多源更新节奏要求多轮对话需区分实时指标与历史统计指标的查询逻辑，避免混淆更新频率。多字段的结构化特征要求提示词需明确指定查询的字段名称与对应单位，防止大模型生成错误的单位或遗漏关键指标。长文档的年度报告内容要求多轮对话需限制上下文召回的长度，避免冗余信息干扰核心查询。同时，跨机场的对比查询需求要求系统需保留历史查询中的机场标识，确保多轮对话的上下文一致性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxContext | 8000–12000 字符 | 航空机场尽调数据包含多类字段与历史查询上下文，该取值可完整保留多轮对话的关键信息，避免截断核心指标 |
recall_top_k | 前 8–12 条 | 尽调报告需覆盖起降、客流、货邮等多维度数据，该取值可平衡信息完整性与结果简洁性 |
json_schema | 按{"airport_code":"","metric":"","value":"","unit":"","period":""}格式输出 | 满足结构化尽调报告的导出与分析需求，适配下游工具调用的格式要求 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 航空机场年度运营报告文档篇幅较长，该取值可确保长文档完整解析，避免超时报错 |
prompt_template | 先确认查询的机场与统计周期，再调用对应数据源返回结果 | 规范多轮对话的交互逻辑，避免大模型混淆不同机场或统计维度的指标 |
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
- 调用
AI对话节点后，结果直接混入对话交互流，未输出为独立的尽调内容，原因：未配置json_schema参数，未明确指定输出格式，导致大模型默认生成自然语言对话式回复。 - 多轮对话中重复询问同一机场的基础信息，原因：未启用
maxContext配置，上下文窗口未保留历史查询的机场标识，无法识别用户的后续查询关联的目标对象。 - 上传机场年度运营报告时出现状态码
504超时报错，原因：设置的PARSE_FILE_TIMEOUT_SECONDS取值过短，无法完成长文档的文本解析与字段提取。
怎么确认配好了
- 发起两轮关联查询，先指定某机场的月度旅客吞吐量，再询问该机场的同期货邮吞吐量，核对系统是否能正确关联同一机场的不同指标，未出现上下文丢失的情况。
- 调用节点生成尽调结果，检查输出格式是否符合预设的
json_schema要求，字段是否包含完整的指标名称、数值与对应单位。 - 上传一份标准的机场年度运营报告，检查解析过程未出现超时报错，且提取的字段与文档内容一致。
- 调试
AI对话节点，确认输出仅包含结构化的尽调数据，未混入额外的对话交互内容。
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。