这个品类的数据长什么样
工程咨询研报的数据主要来自为金融机构基建项目服务的正规工程咨询机构出具的项目可研报告、造价咨询文件，以及住建、金融监管部门发布的工程建设规范与政策文件。更新节奏随项目推进或政策发布调整，无固定高频更新周期。单篇文档的页数差异较大，建议按自有样本统计或实测后确定，其为结构化内容，包含项目编号、咨询单位、编制日期、造价指标（单位：元/平方米、立方米等）、技术参数、合规性引用条款及附录参考文献等字段，部分文档附带有政策文件原文片段作为支撑依据。
这些特征在「引用来源与溯源」这一环带来什么约束
工程咨询研报的数据来源分散于机构自研报告与官方政策文件，溯源环节需区分内部编制内容与外部引用的政策原文，需分别关联对应来源的元数据。由于更新无固定周期，入库时需同步记录文档编制日期、出具单位等标识，无法依赖统一版本号做增量溯源。文档内包含带单位的造价、技术参数字段，匹配时需保留原始单位信息，避免因单位不匹配导致溯源失效。单篇文档篇幅较长，分段检索后需关联至原文具体章节，不应仅关联文件名，需实现段落级的精准溯源标记，满足工程咨询场景的合规性核查要求。
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 | 工程咨询研报内容专业且篇幅较长，过多召回会导致上下文冗余，过少则无法覆盖核心咨询要点 |
分段长度 | 800-1200字符 | 工程咨询文档包含大量带单位的技术参数与长句，该分段长度可保留参数与上下文的关联，避免拆分后溯源丢失关键信息 |
相似度阈值 | 0.72-0.85 | 工程咨询场景的专业术语多，阈值过低会引入无关检索结果，过高则无法召回相关合规条款与技术方案 |
SOURCE_MARK_ENABLE | 开启 | 需为每段检索结果绑定原始文档的来源标识，满足溯源核查的基础要求 |
REFERENCE_DISPLAY_MODE | 段落级溯源 | 工程咨询报告需精准到具体章节条款，不应仅关联文件名，段落级标记可匹配合规核查的需求 |
PARSE_FILE_TIMEOUT_SECONDS | 600秒 | 工程咨询文档多为长文档，需足够时间完成结构化解析与字段提取 |
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：大模型输出结果中出现伪造的引用ID，无对应原始文档的来源信息。原因：未开启
SOURCE_MARK_ENABLE配置，或未正确绑定检索结果与原始文档的元数据，导致系统无法生成有效引用标记。 - 现象：检索结果中包含原始文档内的“引用标记：［1］”字样，被直接输出到最终回答中。原因：未配置
REFERENCE_DISPLAY_MODE为过滤原始文档内标记的模式，或解析阶段未剥离文档内部的引用标识。 - 现象：日志中无法区分不同工程咨询文档的检索来源，部分检索结果的来源字段显示为空。原因：未在文档上传阶段配置唯一的来源标识参数，或日志采集规则未绑定文档的编制日期、出具单位等元数据，导致溯源时无法匹配对应文档。
怎么确认配好了
- 上传一篇测试用的工程咨询研报文档，执行检索后查看返回结果的来源字段，确认每个结果都绑定了文档的出具单位、编制日期等元数据。
- 检查大模型输出的回答，确认未包含原始文档内的引用标记字样，且引用标记格式符合配置要求。
- 查看系统日志，确认每条检索请求都关联了对应的文档来源标识，无缺失或重复的来源信息。
- 调整
相似度阈值与召回条数参数，验证检索结果的数量与相关性符合预期，无过多无关内容或过少有效结果。
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。