这个品类的数据长什么样
家居用品研报的数据来源主要包括券商轻工制造行业研究报告、中国家居协会行业白皮书、头部家居卖场公开经营数据。更新节奏存在差异：券商研报随行业事件或财报节点更新，行业白皮书按年度发布，卖场公开数据按月度更新。文档结构通常包含核心观点、细分品类（如软体家具、餐厨用品）的市场表现、渠道结构拆解、原材料成本分析、头部品牌份额。字段包含终端售价、月度出货量、渠道占营收比例、原材料采购成本，单位多为人民币元、万件。
这些特征在「引用来源与溯源」这一环带来什么约束
数据源分散且结构化程度不均，券商研报多为结构化字段，行业协会与卖场数据多为非结构化文本，需配置字段映射规则匹配不同来源的核心引用字段。更新频率差异大，月度卖场数据与年度白皮书的时效性要求不同，需为不同数据源设置独立的召回优先级与时间过滤规则。细分品类数量多且关键词辨识度高，需精准匹配品类关键词避免跨品类引用，同时需保留数据发布主体与时间戳以明确溯源依据。部分数据涉及具体品牌的动销信息，需在溯源时标注数据的样本范围与发布时间，避免混淆不同周期的统计结果。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
召回条数 | 前8-12条 | 家居用品研报细分品类较多，需覆盖足够的相关内容且避免冗余 |
相似度阈值 | 0.72-0.80 | 家居用品关键词辨识度较高，该区间可过滤无关召回结果同时保留有效内容 |
重排返回条数 | 前3-5条 | 研报内容篇幅较长，优先返回最相关的片段用于生成回答与引用 |
引用模板 | {{content}} （来源：{{source}}，发布时间：{{publish_time}}） | 明确标注引用内容的来源与发布时间，满足溯源要求 |
数据源优先级配置 | 券商研报>行业协会数据>卖场公开数据 | 券商研报结构化程度更高，数据准确性更有保障 |
字段提取规则 | 提取「终端售价」「月度出货量」「发布主体」字段 | 家居用品研报的核心引用字段为价格、销量与发布主体 |
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：工作流运行后，大模型回复未附带知识库匹配到的研报片段，仅输出通用回答。原因：
相似度阈值配置过高导致未召回有效研报，或引用模板未正确绑定知识库返回的上下文变量。 - 现象：代码运行节点的变量列表中无法找到知识库召回的结果字段，无法调用第一条搜索结果。原因：未在知识库配置中开启「返回原始文档字段」，或工作流中未将知识库节点的输出连接至代码节点。
- 现象：大模型回复仅展示引用列表，无实际回答内容。原因：
召回条数配置为0，或maxContext参数设置过小，导致知识库上下文未传入大模型。
怎么确认配好了
- 上传一份家居用品细分品类的研报样本，运行知识库召回测试，核对返回文档的数量与配置的
召回条数取值一致。 - 查看工作流运行日志，确认知识库节点输出的字段包含
source、publish_time等溯源所需字段。 - 配置测试用提示词发起查询，核对大模型回复是否附带正确的引用信息与对应内容。
- 调整
相似度阈值，验证召回结果的相关性变化是否符合配置逻辑。
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。