这个品类的数据长什么样
物业管理智能尽调报告的数据来源包括物业项目备案文件、日常运维台账、公共设施维保档案、物业费收缴记录、业主议事决议文件等。更新节奏为：项目基础备案资料随项目交付或重大变更更新，运维类文档按月度或季度更新，费用类文档按月度生成。文档多为多页PDF格式，包含固定章节模块，穿插结构化表格、扫描件图片块、纯文本运维日志。字段包含设施编号、维保周期、收缴金额、报修次数等，单位涉及元、自然日、季度等，部分文档同时包含扫描件与可编辑文本内容。
这些特征在「文档解析与分块」这一环带来什么约束
多来源混合的文档格式要求解析流程兼顾OCR识别与结构化表格提取，无法仅依赖纯文本解析逻辑。固定章节与穿插的非结构化块，要求分块逻辑保留章节完整性，避免拆分表格、运维日志等独立内容单元。多样的字段与单位组合，要求分块时保留字段与对应单位的关联，避免拆分后信息丢失。批量上传的多份台账文档，要求分块逻辑区分不同文档的边界，避免跨文档合并内容。此外，部分文档存在重复的页眉页脚，需在解析阶段去除冗余内容，避免无效信息混入分块结果。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_PDF_USE_MARKER | 开启 | 物业管理文档常含扫描件表格与复杂排版，Marker可优化结构化提取与OCR识别效果 |
UPLOAD_FILE_MAX_SIZE | 2000 MB | 单份尽调报告常包含多年运维台账，单份文件体积较大，该取值可覆盖多数场景 |
SEGMENT_MAX_LENGTH | 800–1200 字符 | 尽调报告包含长段落运维记录与紧凑表格，该区间可平衡上下文完整性与分块粒度 |
CUSTOM_SEGMENT_DELIMITER | \n\n、第[一二三四五六七八九十百千]章、第[0-9]+条 | 尽调报告存在固定章节与条款结构，该分隔符可准确识别自然段落与章节边界 |
PARSE_FILE_TIMEOUT_SECONDS | 600 秒 | 大型多页PDF解析需较长处理时间，该取值可避免中途中断 |
OCR_ENABLED | 开启 | 部分文档为扫描件格式，需OCR提取文本内容 |
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：部署Marker后处理PDF报错，返回包含
{"detail":"错误信息"}的响应。原因：未正确配置Marker依赖的环境变量，或部署的Marker版本与当前FastGPT v4.8.17版本不兼容。 - 现象：已设置自定义换行符作为分段规则，调整分段长度后仍出现多段落合并或单段落拆分的问题。原因：自定义分隔符未覆盖尽调报告的固定章节标题格式，导致分块逻辑无法识别自然段落边界。
- 现象：上传体积较大的尽调报告PDF后触发上传失败。原因：未将
UPLOAD_FILE_MAX_SIZE参数调整至匹配文件体积的取值，或服务器临时存储配额不足。
怎么确认配好了
- 上传一份包含扫描件表格与纯文本运维日志的测试PDF，查看解析后的文本是否完整提取了表格内容与日志文本。
- 调整
SEGMENT_MAX_LENGTH参数后，手动查看分块结果，确认章节标题与对应内容未被拆分或合并。 - 上传多份不同格式的测试文件，验证上传与解析流程未触发超时或报错。
- 查看解析日志，确认OCR或Marker模块已正常启用，无未处理的文件格式警告。
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。