这个品类的数据长什么样
工业金属尽调报告的数据来源包含行业统计机构、公开现货交易数据、上下游企业公开公告。更新节奏覆盖多个维度，现货价格按交易日更新，供需报告按月度或季度发布，库存数据按周度更新。文档格式多为PDF、Excel、Word，结构包含结构化行情表格、供需平衡数据表、产地与产能明细。字段包含产品牌号、品位、交易单位、价格区间、库存总量等，单位多为元/吨、万吨、%。
这些特征在「文档解析与分块」这一环带来什么约束
多格式的结构化文档要求解析逻辑适配不同文件类型的表格结构，合并单元格、嵌套表格易导致解析后内容错位。高频更新的数据需要在分块时区分历史与最新内容，避免数据混淆。多样的单位类型要求解析时保留数值与单位的绑定关系，否则会影响后续检索匹配。长文档的连续数据（如月度行情序列）需要保留上下文关联，避免被拆分后丢失完整逻辑。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunk_size | 800–1200 字符 | 工业金属尽调报告多包含长表格与连续数据，该长度可平衡上下文关联与检索颗粒度 |
chunk_overlap | 100–150 字符 | 避免供需平衡表、行情序列等连续数据被拆分导致上下文断裂 |
parse_table_strategy | structured_table_only | 工业金属文档多为结构化表格，优先保留原始表格结构，不转为纯文本 |
enable_unit_keep | 开启 | 需保留价格、品位、库存的单位与对应数值的绑定关系，避免检索时单位与数值分离 |
table_merge_cell_handle | expand_to_rows | 处理Excel/PDF中的合并单元格，将合并内容展开为独立行，避免数据遗漏 |
max_parse_file_size | 500 MB | 适配工业金属季度/半年度尽调报告的单文件大小上限 |
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：解析后的表格在知识库预览中完整显示，但检索结果中仅返回零散文本，无表格结构。原因：未配置
parse_table_strategy为结构化保留模式，仅提取了表格的纯文本内容，未保留原始表格布局。 - 现象：检索时无法优先召回核心供需数据，反而优先匹配到辅助备注内容。原因：分块时未设置明确的分隔符规则，将核心数据与辅助内容合并为同一块，导致无法区分优先级。
- 现象：本地使用A向量模型分块后的文档上传到服务器后，检索召回结果与本地测试存在偏差。原因：不同向量模型的分块边界逻辑存在差异，本地分块的上下文边界与服务器模型的预期不匹配。
怎么确认配好了
- 上传一份包含结构化行情表格的工业金属尽调文档，查看知识库预览中的表格是否保留原始的行列布局。
- 检索包含具体价格数值与单位的关键词，确认返回结果中数值与对应单位未被拆分。
- 对比本地测试与服务器端的分块结果，确认分块的边界与预设配置一致。
- 上传不同格式的工业金属文档，验证解析后的分块内容无字段或单位遗漏。
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。