这个品类的数据长什么样
数据来源涵盖上海黄金交易所、伦敦金银市场协会的官方报价数据、行业供需分析研报、央行黄金储备公告及地缘政治相关分析文档。更新节奏差异明显：现货实时报价每15分钟更新，周度供需报告按固定周期发布，央行储备数据月度更新。文档包含结构化的品种报价表格、半结构化的行情分析章节，以及非结构化的政策解读内容。字段包含品种代码、交易单位、最新成交价、持仓量等，单位多为元/克、美元/盎司、千克或吨。
这些特征在「文档解析与分块」这一环带来什么约束
高频且多来源的特征要求解析环节精准匹配结构化字段，避免报价数据与单位、品种代码错位。多格式文档共存的现状，需要解析模块兼容固定格式报表、自由排版研报等多种文档类型，适配不同的表格提取规则。单位多样性要求解析后保留单位关联，避免元/克与美元/盎司的混淆。按时间戳更新的实时数据，需要在分块时按发布时间拆分独立块，保证数据时效性。半结构化的研报章节，需要结合主题进行分块，不使用固定长度的拆分方式，维持逻辑完整性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_TABLE_STRICT_MODE | 开启 | 贵金属文档结构化表格字段多，严格模式可避免报价数据与单位、品种代码错位 |
CHUNK_SIZE | 800–1200 字符 | 适配贵金属研报的常规段落长度，平衡上下文完整性与检索精度 |
PARSE_UNIT_AWARE | 开启 | 覆盖元/克、美元/盎司等多单位场景，自动关联数值与对应单位 |
PARSE_TIMEOUT_SECONDS | 300 秒 | 满足大型研报、批量历史报价文档的解析时长需求，避免超时中断 |
ENABLE_CHUNK_DUPLICATE_CHECK | 关闭 | 保留自定义分块的原始顺序，避免系统自动删除重复块导致索引错乱 |
CHUNK_OVERLAP | 50–100 字符 | 维持跨块的上下文连贯性，适配价格走势分析类段落的逻辑关联 |
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：自定义分块后，知识库自动删除重复块，导致索引顺序与自定义切分结果不一致。原因：未关闭
ENABLE_CHUNK_DUPLICATE_CHECK配置项，系统默认开启重复块过滤机制。 - 现象：贵金属报价表格被解析为零散文本，无法以表格形式呈现检索结果。原因：未开启
PARSE_TABLE_STRICT_MODE，宽松模式无法识别贵金属文档的固定格式表格结构。 - 现象：调用创建知识库的API后，无法获取解析中、就绪、失败的状态信息。原因：未在API请求参数中配置状态返回开关，或未对接对应的状态回调接口。
怎么确认配好了
- 上传一份标准的上海黄金交易所报价PDF文档，检查解析后的表格字段是否完整匹配原始文档的品种、价格、单位信息。
- 上传自定义分块的研报文档，核对知识库中的块顺序是否与自定义切分结果一致，确认无自动删除的块。
- 调用文档解析API，检查返回的
parse_status字段是否包含解析中、就绪、失败的状态标识，确认状态同步正常。 - 上传包含多单位的文档，检查解析后的块是否保留了数值与单位的关联关系，未出现单位错位。
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。