这个品类的数据长什么样
半导体智能尽调报告的数据主要来自晶圆厂工艺文档、供应链BOM表、行业研报、专利授权文件与季度财报。更新节奏覆盖季度财报发布、年度行业研报更新，以及工艺迭代相关的不定期文档发布。文档结构包含结构化参数表格、嵌套章节、内嵌工艺示意图与供应链明细列表，核心字段包含制程节点、晶圆直径、良率数值、物料编码与功率参数，且部分字段存在跨文档的统一命名规范，字段附带专属单位。
这些特征在「文档解析与分块」这一环带来什么约束
半导体尽调文档的结构化参数表格与专属单位字段，要求解析环节需完整保留表格的行列结构，避免将数值与对应单位拆分至不同分块。文档存在嵌套章节与较长篇幅的特性，要求分块需按章节层级进行拆分，避免跨章节拼接同一工艺段的关联信息。内嵌工艺示意图与供应链明细列表，要求解析环节需关联图片标注与对应文字段落，避免核心可视化信息丢失。不定期更新的文档特性，要求解析流程需适配不同体积的文档，避免因解析超时或容量限制导致任务失败。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
maxChunkSize | 800–1200 字符 | 半导体文档包含大量长参数表，该区间可避免拆分工艺参数组，同时控制单分块的上下文长度 |
chunkOverlap | 100–150 字符 | 保留跨分段的工艺关联信息，避免拆分后无法关联同一制程的多段参数 |
enableTableParse | 开启 | 半导体文档的结构化表格是核心信息载体，开启后可完整提取表格内的字段与单位 |
parseImageCaption | 开启 | 半导体文档内嵌的工艺示意图带有标注文本，开启后可将标注与对应文字段落绑定 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 适配500页以上的半导体专利或研报文档的解析耗时，避免出现超时报错 |
UPLOAD_FILE_MAX_SIZE | 1000 MB | 覆盖大型供应链BOM表或多文档打包上传的体积需求 |
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：上传半导体BOM文档后，返回结果中表格字段为空。原因：未开启
enableTableParse配置，结构化表格未被正确提取为可识别的文本内容。 - 现象：解析超过500页的半导体专利文档时，任务超时返回
504 Gateway Timeout错误。原因：PARSE_FILE_TIMEOUT_SECONDS设置为默认值，未适配长文档的解析耗时需求。 - 现象：上传pdf格式的半导体工艺文档后，知识库召回结果未包含内嵌工艺图的标注文本。原因：未开启
parseImageCaption配置，图片标注未被嵌入分块文本中。
怎么确认配好了
- 上传一份包含结构化表格的半导体BOM样本文档，核对解析后的文本是否保留表格的行列结构与对应字段单位。
- 上传单份体积符合
UPLOAD_FILE_MAX_SIZE限制的半导体文档，确认解析任务未触发文件大小超限报错。 - 上传包含内嵌图片的半导体工艺文档，核对解析结果中是否包含图片关联的标注文本。
- 调整
chunkOverlap参数后，测试知识库召回结果的分段关联性，确认跨分段的工艺信息未丢失。
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。