资金来源KYC 的文档解析与分块

这个品类的数据长什么样

资金来源KYC的数据主要来自银行对公/对私流水、个人收入证明、资产持有凭证、年度税务申报表等。更新节奏依核验场景而定，月度或季度更新。文档形态包含原生PDF格式的银行电子流水、扫描件形式的纸质证明、Excel导出的交易明细表格。核心字段包含交易日期、交易金额、交易对手方、交易备注，单位以人民币元为主，部分跨境场景包含外币币种字段。

这些特征在「文档解析与分块」这一环带来什么约束

资金来源文档的表格化交易明细与长文本结构，要求分块时不能割裂跨页或跨分块的关联字段，否则会导致KYC核验时无法匹配交易与备注的对应关系。扫描件形式的文档需先完成OCR提取，否则无法获取有效文本内容。大体积的年度流水文件可能超过默认上传阈值，需调整上传配置。不同来源的文档格式差异较大，需兼容原生PDF、扫描件、表格导出PDF等多种形态，避免因格式不兼容导致字段丢失。

配置怎么定

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

• 上传大体积年度流水PDF时，上传进度到90%后提示“偏移量超出范围”。未调整UPLOAD_FILE_MAX_SIZE参数，默认阈值不足以容纳单份年度流水文件。
• 分块后出现大量重复的交易记录片段，无法精准匹配KYC核验需求。未配置chunkOverlap的合理区间，或分块长度设置不当导致同一段文本被多次拆分收录。
• 上传结构化的Excel转PDF的资金来源文档后，分块结果无法提取完整的交易明细字段。未设置PARSE_TABLE_STRATEGY为保留完整表格结构，导致表格被逐行拆分，丢失字段对应关系。

怎么确认配好了

• 上传1份典型的资金来源文档（如单月银行流水PDF），查看解析后的分块文本，确认交易日期、金额、交易对手等核心字段未被跨分块割裂。
• 调整配置参数后，上传多份不同格式的资金来源文档（如扫描件、原生PDF、Excel导出PDF），验证OCR识别与表格解析的完整性。
• 发起KYC核验请求，核对召回的分块内容是否覆盖了所需的交易明细，确认召回条数符合核验需求。
• 上传单份体积较大的年度流水文件，验证上传进度是否正常完成，无偏移量报错。

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。