这个品类的数据长什么样
铁矿石研报的数据主要来自国内铁矿石现货交易平台、大连商品交易所、行业咨询机构及券商研究部门。现货价格、港口库存数据每日更新，期货持仓数据随交易时段更新，券商研报按发布日推送，行业深度报告按月度或季度发布。文档结构包含供需核心指标（单位多为万吨）、成交价格（元/湿吨或美元/干吨）、政策动向、海运运价（美元/吨）等字段，部分深度报告还包含图表解析后的文本内容。
这些特征在「知识库检索与召回」这一环带来什么约束
多数据源的单位差异（湿吨/干吨、不同计价方式）会导致同指标的匹配偏差，需在检索前完成单位归一化处理。不同数据的更新节奏差异要求知识库区分增量同步的频率，避免召回过时的现货或研报内容。研报文档长度跨度大，短至数百字的快讯，长至数万字的深度报告，需要适配灵活的分段召回粒度。专业术语密集的内容，需要精准的语义向量匹配，否则易召回无关的钢铁下游品类内容。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_FILE_TIMEOUT_SECONDS | 900 秒 | 铁矿石深度研报包含大量图表解析与长文本提取，该时长可覆盖完整解析流程 |
分段长度 | 800–1200 字符 | 铁矿石研报的专业论述段落多在该区间内，可保留供需、价格的完整关联逻辑 |
召回条数 | 前 8–12 条 | 覆盖不同机构的研报观点，同时避免上下文过载影响检索结果 |
相似度阈值 | 0.72–0.85 | 过滤非铁矿石品类的钢铁相关研报，确保召回内容与目标品类高度匹配 |
UPLOAD_FILE_MAX_SIZE | 2000 MB | 支持单份包含多附件的大型研报包上传 |
重排返回条数 | 前 3–5 条 | 优先展示最匹配的核心研报内容，供用户快速参考 |
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：语义检索得分显示为4000+的数值，超出常规0–1区间。原因：未启用向量相似度的归一化配置，直接返回了原始余弦相似度的原始计算值。
- 现象：API调用返回的检索结果未关联对应的源文件名称。原因：未开启知识库检索的源文件溯源配置，未在检索结果中携带
source_file字段。 - 现象：知识库容量统计结果与实际文档总大小存在偏差，无法准确估算存储需求。原因：仅统计了解析后的文本字符数，未包含原始文件的二进制存储开销。
怎么确认配好了
- 上传一份标准铁矿石研报，查看解析后的文本是否保留了完整的价格、供需指标内容，核对解析状态无超时或失败提示。
- 发起一次针对铁矿石进口量的检索，检查召回结果的相似度得分处于预设区间，无钢材、焦炭等非铁矿石品类的无关内容。
- 调用知识库检索API，确认返回结果中包含
source_file字段，可追溯到对应的上传文件名称。 - 查看知识库容量统计面板，确认统计维度包含原始文件大小与解析后的文本存储开销，可匹配实际存储需求。
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。