这个品类的数据长什么样
白酒行业投研数据主要来自券商消费领域研报、上市公司定期报告、行业协会公开统计数据、白酒生产企业官方公告、线下渠道与品鉴调研纪要。数据更新覆盖年度定期披露、季度经营数据发布、突发行业政策与新品公告，以及不定期的渠道变动信息。文档类型包含长篇深度研报、结构化财务与产能表格、零散的调研片段，涉及字段包括年产能、年销量、出厂指导价、终端售价、经销商网点数量，单位多为千升、吨、万元。
这些特征在「文档解析与分块」这一环带来什么约束
白酒投研数据的多类型特征，要求文档解析环节同时适配结构化表格与非结构化文本，避免拆分跨页的财务或产能表格导致数据关联断裂。长文深度研报包含专业术语与连贯的工艺、市场分析内容，分块需保留上下文语义关联，避免割裂专业内容的逻辑关联。零散的调研片段与短公告，需控制分块粒度避免过度拆分导致信息丢失。同时，文档中包含的产能、价格类字段带有专属单位，解析时需保留原始单位标识，避免单位混淆。另外，高频更新的渠道与公告类文档，需适配较快的解析响应速度，避免延迟影响知识库更新效率。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
parse_table_enable | true | 适配白酒投研文档中大量结构化财务、产能表格，确保表格内容完整提取 |
chunk_max_size | 800–1200 字符 | 平衡长文研报的上下文完整性与分块召回精度，避免过长导致的上下文冗余或过短导致的语义断裂 |
parse_image_ocr | true | 覆盖研报中内嵌的产能图表、价格走势图等图片类数据，提取图表内文字信息 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 适配长篇深度研报的解析时长，避免因文档过长导致解析超时 |
chunk_overlap | 150–200 字符 | 保留分块间的上下文重叠，确保专业术语与关联数据在召回时不被拆分 |
UPLOAD_FILE_MAX_SIZE | 1000 MB | 适配单份大型研报合集的上传需求，避免因文件过大被拦截 |
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：上传白酒研报后，解析结果中未包含参考文献字段信息。原因：未开启参考文献提取的相关配置，或解析规则未覆盖研报末尾的参考文献段落。
- 现象：调用解析脚本的HTTP请求传入图片后，返回结果为空或无有效文本。原因：未开启
parse_image_ocr配置，或OCR识别参数未适配白酒研报中手写体调研纪要的字体样式。 - 现象：本地部署pdf-marker功能正常，但在FastGPT知识库中上传白酒企业年报PDF无解析入口。原因：未在FastGPT的文件解析配置中添加PDF格式的支持，或容器挂载的解析插件配置未同步更新。
怎么确认配好了
- 上传一份包含结构化表格的白酒研报PDF，查看解析结果中的表格内容是否完整保留。
- 上传一份带有内嵌图表的研报图片，查看解析结果中是否提取了图表内的文字信息。
- 查看FastGPT后台的解析日志，确认单份文档的解析时长未超出预设的超时阈值。
- 上传一篇长篇深度研报，检查分块结果的上下文关联是否符合配置的重叠与长度要求。
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。