这个品类的数据长什么样
身份证件的数据来源于公安户籍管理系统、线下网点扫描存档或用户线上自主上传。更新节奏随身份信息变更触发，例如换领、补领证件后同步更新。文档为固定版式的双页文件，正面包含国徽、签发机关、有效期限，反面包含姓名、性别、民族、出生日期、住址、身份证号、本人照片。字段格式固定：身份证号为18位数字加末尾可能的X，有效期限分为固定年限区间与长期两种，住址包含层级化的地址信息。
这些特征在「文档解析与分块」这一环带来什么约束
双页固定版式要求解析时需区分正反面内容，避免将正面的签发机关与反面的个人信息混同分块。固定格式的字段需要针对性校验，例如身份证号的正则匹配可过滤识别错误的无效内容，但扫描变形可能导致格式校验失效，需保留一定容错空间。字段集中且关联性强，例如姓名与身份证号需归为同一分块，避免拆分后关联关系断裂。证件文档尺寸较小、分辨率可能偏低，解析时需适配低质量图片的OCR识别，避免遗漏边缘字段。上传文件多为单页或双页的图片格式，需支持灵活的单/双页解析逻辑。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
enable_dual_page_parse | 开启 | 身份证件多为正反面双页文档，需分别解析正反面内容后合并分块 |
segment_length | 800–1200 字符 | 身份证件字段集中，单块容纳完整关联字段组即可，过长会导致关联信息分散 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 单页证件解析需完成OCR、格式校验，耗时略长于普通文档 |
ocr_threshold | 0.65–0.75 | 证件扫描件可能存在模糊，调低阈值可提升低质量图片的识别率 |
regex_validation | 开启身份证号格式校验 | 身份证件核心字段为固定格式，校验可过滤解析错误的无效内容 |
max_chunk_overlap | 100–150 字符 | 关联字段跨块时保留重叠部分，避免拆分断裂 |
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
- 解析结果拆分后，姓名与身份证号分属不同分块。原因是未调整
segment_length参数，默认分块长度过小，导致关联字段被强制拆分。 - 调用解析接口返回408超时错误。原因是未调整
PARSE_FILE_TIMEOUT_SECONDS参数，默认超时时间过短，无法完成证件的OCR与格式校验流程。 - 本地部署解析工具功能正常，但FastGPT知识库上传证件无解析结果。原因是未配置
UPLOAD_FILE_ALLOWED_EXTENSIONS允许图片格式上传，或未正确对接解析接口地址。
怎么确认配好了
- 上传一张正反面齐全的身份证件扫描件，查看解析结果是否包含正反面所有核心字段。
- 检查解析日志，确认
enable_dual_page_parse参数已生效，无单页解析的标记。 - 调整
segment_length参数后，验证分块是否完整包含姓名与身份证号等关联字段组。 - 模拟接口调用，确认解析接口返回的分块数量符合预期，无超时或格式校验失败的提示。
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。