这个品类的数据长什么样
名单筛查用于KYC与反洗钱的数据源主要包括监管机构发布的公开制裁名单、政治敏感人士（PEP）名单，合作金融机构报送的可疑交易主体名单，以及内部风控积累的历史合规数据。数据更新节奏随来源不同有所差异，监管名单通常按月或季度同步更新，合作机构报送的可疑名单可实现实时同步。文档结构以结构化表格为主，包含姓名、别名、国籍、证件类型与编号、关联机构、制裁事由、生效日期等字段，字段多为身份标识类，无复杂嵌套单位。
这些特征在「文档解析与分块」这一环带来什么约束
数据源的多来源特性要求解析逻辑兼容不同格式的报送文件，监管发布的名单多为固定列宽的标准表格，合作机构报送的文件可能存在自定义列顺序或合并单元格。多字段与别名的存在要求分块时保留实体的完整关联信息，避免将同一主体的姓名、证件号与别名拆分到不同分块中。实时更新的数据源要求解析流程具备较高的时效性，避免因解析延迟导致风控环节滞后。结构化表格的字段唯一性要求解析结果准确映射原文档的列与值，防止字段错位导致的核验错误。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_TABLE_STRUCTURE | 强制识别多列合并单元格 | 名单筛查文档常存在多列对齐、别名合并单元格的情况，确保每个实体的字段完整映射 |
CHUNK_MAX_SIZE | 800–1200 字符 | 名单筛查的实体信息包含多个关联字段，过长分块会丢失字段关联，过短会拆分单个实体的完整信息 |
PARSE_FILE_TIMEOUT_SECONDS | 120 秒 | 大型全量名单文件解析耗时较长，避免因默认超时值导致解析中断 |
ENABLE_DOC_ALIAS_PARSE | 开启 | 名单筛查文档常包含别名字段，需准确识别并关联到主实体，提升核验准确性 |
RECALL_CHUNK_COUNT | 按业务场景标定 | 每个实体的关联信息分散在少量分块中，需根据实际召回需求调整数量 |
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：解析后的名单出现字段错位，多列内容混排。原因：未开启
PARSE_TABLE_STRUCTURE的多列识别配置，默认解析逻辑按单列处理，导致名单的姓名、证件号、关联机构列错位。 - 现象：批量解析大型名单文件时返回
408 Request Timeout错误。原因：未调整PARSE_FILE_TIMEOUT_SECONDS参数，使用默认短超时值，无法完成全量数据解析。 - 现象：知识库召回时无法关联同一实体的别名与主信息。原因：
CHUNK_MAX_SIZE设置过小，将同一实体的别名、证件号拆分到不同分块中，导致关联断裂。
怎么确认配好了
- 上传一份包含多列、合并单元格的测试名单文件，核对解析后的表格字段是否与原文档一一对应。
- 随机抽取一个实体条目，检查其关联的别名、证件号、制裁事由是否被包含在同一个或相邻的分块中。
- 触发批量解析任务，确认解析过程未出现超时中断，日志中无表格解析失败的报错。
- 发起知识库召回测试，验证目标实体的所有关联字段均可被正确召回。
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。