这个品类的数据长什么样
基建工程智能尽调报告的数据来源包括项目立项文件、招投标文件、施工日志、结算报告、监理资质文件等。更新节奏随项目周期推进，从立项阶段的可研报告，到施工阶段的周报、月报，再到竣工阶段的结算文件，分批更新。文档结构混合固定模板与零散文本，包含工程量、工期、预算金额等字段，单位涉及立方米、平方米、吨、天、万元等，部分文档为扫描件或嵌套表格的PDF格式。
这些特征在「文档解析与分块」这一环带来什么约束
来源多样且格式混杂，要求解析环节支持多格式文件，包括扫描件的OCR识别与嵌套表格的完整提取。分批更新的文档存在历史版本与批次差异，需要在分块时保留文档的来源标识，避免不同批次的内容混淆。带单位的工程量、预算金额等字段，要求分块时不能拆分数值与单位的关联，否则会影响后续检索准确性。混合结构的文档既有固定模板的长段落，也有零散的短条目，需要分块逻辑兼顾不同长度的文本，避免一刀切的拆分规则。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
pdf_parse_mode | enhanced_with_ocr | 适配基建文档中扫描件、嵌套表格的PDF格式，完整提取文本与表格内容 |
chunk_size | 800–1200 字符 | 覆盖施工日志长段落与预算条目短段落，避免拆分工程量与单位的关联 |
chunk_overlap | 150–200 字符 | 保留工序、工程量的上下文关联，防止跨块丢失关键信息 |
parse_timeout | 300 秒 | 适配大型基建结算报告的解析耗时，避免中途超时失败 |
auto_detect_paragraph | enabled | 自动识别文档段落结构，适配混合了固定模板与零散文本的尽调报告 |
excel_parse_strategy | preserve_format | 完整保留基建预算表的单元格格式与单位信息，避免字段错位 |
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：界面中
pdf_parse_mode的增强选项无法启用，解析日志返回unsupported_parse_mode错误。原因：未部署对应增强解析的插件依赖，或插件版本未升级至v2及以上。 - 现象：分块结果中工程量数值与单位拆分，例如「500 立方米」被拆分为两个独立文本块。原因：
chunk_size设置过低，未保留带单位的完整字段关联。 - 现象：调用
/v2/parse/file接口返回404 Not Found错误，无法触发解析任务。原因：未正确配置插件接口路由，或部署的pdf-marker版本未开放该接口。
怎么确认配好了
- 上传一份包含扫描件、嵌套表格的基建预算PDF，核对解析结果是否完整提取表格内容与扫描文本。
- 查看分块后的文本块，确认工程量数值与对应单位未被拆分至不同块中。
- 调用文档解析API，检查返回的分块数据是否覆盖了所有核心尽调字段。
- 查看插件管理界面，确认pdf-marker插件版本符合要求，接口路由配置无误。
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。