这个品类的数据长什么样
铁路公路财报数据主要来自交通运输主管部门公开统计文件、上市交通运输企业年度及季度报告、铁路运营机构月度运营简报。数据更新节奏为月度行业统计、季度企业运营数据、年度完整财报。文档结构包含运营里程、客货运周转量、营收构成、固定资产折旧等核心字段，单位涵盖公里、万人、万吨、亿元等，单份财报包含结构化表格与非结构化文字说明，整体长度从数十页至数百页不等。
这些特征在「引用来源与溯源」这一环带来什么约束
铁路公路财报数据多来源的统计口径差异，需要在溯源环节标注数据发布主体与统计周期，避免不同统计体系的数值混淆。月度更新的行业运营数据，需要配置高频召回的触发逻辑，确保引用的是最新一期发布的内容。单份文档长度较长且包含结构化表格与非结构化文字，拆分时需按财报章节或数据模块进行，避免跨模块引用导致上下文断裂。结构化字段与非结构化说明混合的内容，需分别配置结构化匹配与非结构化文本召回规则，保证溯源时能精准定位到原始数据的具体页码或表格位置。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunkSize | 800–1200 字符 | 铁路公路财报包含长段落的业务分析与表格说明，该区间可保证单块内容包含完整的业务逻辑单元，同时避免单块过长导致召回精度下降 |
recallTopK | 前 6–8 条 | 铁路公路财报的核心数据分散在多个章节，召回过多会引入无关内容，过少则无法覆盖全部关键数据，结合财报的信息密度调整区间 |
similarityThreshold | 0.72–0.85 | 财报数据包含大量专业术语，需要较高的相似度阈值过滤无关召回结果，同时保证核心数据不会被误过滤 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 单份铁路公路财报文档包含大量表格与文字内容，需要足够的超时时间保证完整解析 |
sourceDisplayMode | 显示完整来源路径 | 铁路公路财报的溯源需要明确标注发布机构、发布时间与具体页码，完整路径可满足合规要求 |
MAX_EMBEDDING_BATCH_SIZE | 按实测标定 | 适配铁路公路财报的长文本处理需求，避免单批次处理数据量过大引发超时 |
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：调用
text-embedding-3-large模型时出现请求超时，注释模型配置后重启服务仍未解决。原因：铁路公路财报文档长度较长，未配置MAX_EMBEDDING_BATCH_SIZE参数限制单批次处理数据量，导致模型资源占用过高引发超时。 - 现象：生成的回答未引用知识库中的原始问答对内容，而是生成了全新的表述。原因：未开启
strict_reply_mode参数，或召回结果的similarityThreshold设置未匹配业务需求，导致无法锁定原始问答对。 - 现象：工作流的代码运行节点中无法选择知识库引用变量，无法输出第一条搜索结果。原因：未在工作流中先添加知识库召回节点并绑定对应知识库，代码节点无法获取知识库的上下文输出变量。
怎么确认配好了
- 查看知识库解析后的文本块，确认每个块的长度符合配置的
chunkSize区间，无过长或过短的拆分单元。 - 发起测试查询，查看返回结果的
source字段，确认包含数据发布主体、发布时间与具体页码等完整溯源信息。 - 调整
similarityThreshold的取值，验证召回结果的数量与相关性符合业务需求，确保核心数据被正确召回。 - 运行工作流测试，确认代码运行节点可获取到知识库召回节点的输出变量，可正常选择对应搜索结果。
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。