这个品类的数据长什么样
该品类的数据主要来自国土空间规划批复、施工许可文件、项目可研报告、金融机构抵押评估材料及现场踏勘记录。更新节奏随项目关键节点推进，拿地、开工、预售等节点会生成新文档，日常维护按季度更新。文档多为30-100页的PDF或扫描件，内部结构包含项目基本信息、土地参数、规划指标、资金明细、施工进度、风险提示等模块，字段多带有明确单位，如总用地面积（平方米）、计容建筑面积（平方米）、建安成本（元/平方米），且嵌入大量表格与规划示意图。
这些特征在「文档解析与分块」这一环带来什么约束
该品类的数据特征对解析分块带来多重约束。多扫描件与低分辨率文档的占比，要求解析流程适配通用OCR能力，确保手写或印刷体文本均可被准确识别。字段带明确单位且多嵌入表格的结构，要求分块时保留表格与关联文本的绑定关系，避免拆分后单位与指标脱离。文档长度跨度大且格式不统一，需要按项目模块拆分，不按固定字符数拆分，防止割裂土地参数、资金明细等完整信息块。嵌入的规划示意图需关联至对应指标段落，避免出现可视化信息与文本分块脱节的情况。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
ocrEnable | 开启 | 该品类文档含大量扫描件与规划示意图，需通过OCR提取非可编辑文本内容 |
parseTableMode | 完整保留表格结构 | 核心指标如土地面积、建安成本均以表格呈现，需保留表格完整性以避免信息错位 |
chunkSize | 800–1200 字符 | 该品类单模块信息密度较高，该区间可避免割裂同一指标组，同时适配知识库上下文窗口限制 |
chunkOverlapRate | 10%–15% | 需保留跨分段的指标关联信息，防止分块后同一核心指标被拆分至两个段落 |
parseTimeout | 600 秒 | 单份尽调报告页数较多，需预留足够时间完成OCR识别与分块处理 |
maxUploadFileSize | 500 MB | 该品类文档常嵌入多幅规划示意图，需允许较大体积的文件上传 |
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：上传含规划示意图的PDF后，解析结果中无图像关联文本。原因：未开启
ocrEnable配置，无法提取PDF内嵌图像中的文本内容。 - 现象：在4.9.10版本中，解析后分块的层级混乱，无法区分土地参数、资金明细等核心模块。原因：未正确配置
maxParagraphDepth参数，导致无法按文档标题层级拆分内容。 - 现象：无法在知识库创建页面选中表格数据集选项。原因：未开启表格解析的功能开关，或当前部署的FastGPT版本未支持表格解析模块。
怎么确认配好了
- 上传一份含扫描件与表格的测试文档，查看解析结果中的文本是否覆盖了扫描页的全部内容，确认OCR配置生效。
- 随机抽取一份完整的尽调报告，检查分块结果是否按文档标题层级拆分，确认段落深度配置符合文档结构需求。
- 查看解析后的分块内容，确认核心表格的结构与单元格内容完整保留，确认表格解析配置正确。
- 上传一份超过常规体积的测试文档，确认上传与解析流程未触发超时错误，确认超时与上传大小配置合理。
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。