这个品类的数据长什么样
多元控股智能尽调报告的数据来源包含合并财务报表、子公司独立审计报告、关联交易备案文件、股权穿透图谱文档。数据更新节奏随季度财报、年度审计及临时关联事项同步更新。文档多为嵌套层级较多的Excel合并工作表、多页PDF格式，部分为扫描版PDF。字段包含合并口径营收、单体资产净额、关联交易金额等，单位多为万元、亿元，部分字段需跨子公司汇总计算。
这些特征在「文档解析与分块」这一环带来什么约束
嵌套的多sheet Excel文档会要求解析工具支持多工作表遍历与数据合并，避免遗漏子公司数据。扫描版PDF与长文档会增加OCR识别与长文本拆分的复杂度。跨主体的字段关联要求分块时保留文档层级与主体归属信息，避免后续尽调分析时数据混淆。频繁更新的临时公告文档则要求解析流程支持增量同步与格式兼容，适配临时发布的非固定格式文件。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
parse_multi_sheet | 开启，遍历所有数据sheet并合并同名字段 | 多元控股尽调文档多为多sheet合并报表，需覆盖所有子公司的结构化数据 |
ocr_enable | 开启，针对扫描版PDF启用高精度表格OCR | 部分尽调报告为扫描件，需还原表格与文字的完整内容 |
chunk_size | 800–1200 字符 | 尽调报告包含嵌套数据与长文本，该区间可平衡上下文完整性与分块检索效率 |
chunk_overlap | 150–200 字符 | 跨子公司的关联字段需要上下文衔接，避免分块断裂导致数据关联失效 |
parse_timeout | 300 秒 | 长文档与多sheet数据解析耗时较长，需预留足够的处理时间 |
enable_sheet_filter | 按文档标题过滤非数据类sheet | 尽调报告常包含批注、目录等非核心sheet，可减少无效数据的解析与存储 |
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：上传多sheet Excel尽调文档后，仅第一个sheet的数据被索引，其余sheet数据缺失。原因：未开启多sheet解析配置，或未配置同名字段合并规则。
- 现象：扫描版PDF尽调报告解析后，表格内容乱码或缺失关键数据。原因：未启用高精度OCR配置，或OCR参数未适配表格排版逻辑。
- 现象：长文档分块后，跨子公司的关联交易数据被拆分至两个独立分块，无法通过关联查询获取完整信息。原因：分块重叠长度设置过小，或未保留文档层级与主体归属信息。
怎么确认配好了
- 上传包含2个以上数据sheet的Excel尽调模板，检查解析结果是否包含所有sheet的结构化数据。
- 上传单页扫描版PDF尽调报告，查看解析后的文本预览，确认表格与文字内容与原文档一致。
- 查看分块详情列表，确认长文档被均匀拆分，且相邻分块存在设定的重叠内容。
- 上传临时关联交易公告文档，验证解析流程可正常识别非固定格式的临时文件。
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。