这个品类的数据长什么样
储能投研的数据来源涵盖电力设备厂商技术白皮书、电网调度运行日志、储能电站可研报告、行业政策文件及第三方专业研报。更新节奏随数据源类型差异较大：政策文件按季度或专项事件更新，运行日志按日或实时同步，技术白皮书随产品迭代不定期更新。文档结构包含标准化参数表格、充放电曲线图表、效率计算公式及长段落技术描述，核心字段包含额定容量（单位kWh/MWh）、循环寿命（单位次）、SOC、SOH等专业术语，部分文档内嵌设备实拍图与参数标注截图。
这些特征在「文档解析与分块」这一环带来什么约束
储能投研文档的多源异构特性要求解析环节需兼容PDF、Word、Excel、CSV及图片格式，避免遗漏内嵌的专业参数图表。长文档占比高，单份可研报告可达数十页，分块需兼顾语义完整性与检索精度，避免将专业公式、参数表格拆分为无意义的短段落。专业术语与单位的强绑定要求解析环节保留字段与单位的关联关系，防止分块后出现数值与单位分离的情况。此外，部分文档内嵌的参数截图需通过OCR提取文本，否则会丢失关键投研信息。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_IMAGE_ENABLE | 开启 | 储能文档多含设备参数图表、运行数据截图，需通过OCR提取图片内文本以支撑检索 |
CHUNK_SIZE | 800–1200 字符 | 储能研报含长段落技术描述与连续公式，该区间可保留专业语义的完整性，避免分块断裂 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 大型储能可研PDF解析耗时较长，该取值可覆盖多数长文档的解析周期 |
UPLOAD_FILE_MAX_SIZE | 2000 MB | 单份储能电站归档报告可达1.5GB，该取值可满足大文件上传需求 |
RECALL_SIMILARITY_THRESHOLD | 0.75–0.85 | 储能专业术语相似度区分度较高，该区间可过滤低相关召回结果，提升检索精准度 |
RERANK_TOP_N | 前 3–5 条 | 投研场景需精准匹配专业参数，过多召回会干扰上下文连贯性 |
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：上传含内嵌参数图片的Word文档后，知识库问答测试无法提取图片内的储能参数文本，仅显示图片占位符。原因：未开启
PARSE_IMAGE_ENABLE配置项，或未配置OCR解析的触发规则。 - 现象：解析1GB以上的储能可研PDF时，后台返回
504 Gateway Timeout错误。原因：PARSE_FILE_TIMEOUT_SECONDS设置值小于文档实际解析耗时，默认取值不足以覆盖长文档解析。 - 现象：上传储能专用Excel表格后，分块结果将SOC数值与单位kWh拆分为独立段落。原因：未开启
PARSE_TABLE_KEEP_UNIT配置项，未保留表格内字段与单位的关联关系。
怎么确认配好了
- 上传单份含内嵌参数图表的Word文档，查看解析后的分块文本是否包含图表内的额定容量、循环次数等参数内容。
- 上传1GB左右的储能可研PDF，等待解析完成后检查任务状态码是否为
200 OK，无超时类报错。 - 发起包含储能专业参数的查询，验证召回结果包含文档内的关联文本，且无无关冗余内容。
- 进入知识库配置面板，确认
PARSE_IMAGE_ENABLE、CHUNK_SIZE等核心参数的取值与预设配置一致。
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。