这个品类的数据长什么样
电力智能尽调报告的数据来源包含电力项目可行性研究报告、并网验收意见书、运行维护台账、电价批复文件、电网调度数据等。更新节奏分为一次性静态文档与周期性动态文档，静态文档如可研、并网文件仅在项目立项或投运时更新，动态文档如月度运行台账、季度电价调整文件按固定周期更新。文档结构通常包含项目概况、装机参数、财务测算、并网条件、环保排放等章节，字段包含装机容量、发电量、电价等专业参数，部分文档为扫描版盖章文件。
这些特征在「文档解析与分块」这一环带来什么约束
来源多样且包含扫描版文档，要求解析环节兼容PDF、Excel、扫描件等多种格式，需启用OCR适配扫描文件。更新节奏差异要求分块环节区分静态与动态内容，避免将周期性更新的台账与一次性可研混同分块规则。专业字段的固定单位要求分块时保留参数与单位的上下文关联，防止拆分后参数与单位脱节。文档层级复杂的结构要求分块按章节层级拆分，避免跨章节拼接不相关的电力专业内容。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
UPLOAD_FILE_MAX_SIZE | 1000 MB | 适配电力尽调报告常包含的多页PDF、大型Excel台账，避免大文件上传中断 |
PARSE_FILE_TIMEOUT_SECONDS | 900 秒 | 电力文档常包含大量表格与长文本段落，延长超时时间防止解析中断 |
chunk_size | 800–1200 字符 | 匹配电力文档中技术参数段、财务测算段的平均长度，保留参数关联完整性 |
chunk_overlap | 100–150 字符 | 避免拆分跨页的电力设备参数、电价测算公式，保留上下文关联 |
PARSE_SCAN_PDF_ENABLE | 开启 | 部分电力并网验收文件为扫描版PDF，启用OCR解析提取可编辑文本 |
MAX_PARSE_PAGE_NUM | 按实测标定 | 适配单份尽调报告可能超过500页的场景，避免解析资源耗尽 |
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
- 上传大份电力尽调报告至90%进度时出现「偏移量超出范围」报错，原因是未调整
UPLOAD_FILE_MAX_SIZE与后端分片上传缓冲区配置，大文件分片传输时出现数据截断。 - 使用创建文件集合API上传的文件与平台直接上传的分块结果不一致，原因是API调用时未显式指定
chunk_size与chunk_overlap参数，默认配置与前端上传的自定义配置不匹配。 - 解析扫描版电力并网验收文件后，部分技术参数字段为空，原因是未启用
PARSE_SCAN_PDF_ENABLE，未触发OCR提取扫描文本。
怎么确认配好了
- 上传单份符合业务最大体量的电力尽调报告，确认上传流程无中断或报错。
- 调用创建文件集合API与平台前端上传同一份电力文档，核对分块的起始与结束位置是否一致。
- 解析扫描版电力尽调文件，确认提取的文本包含专业参数与单位信息。
- 查看解析任务的日志，确认未触发
PARSE_FILE_TIMEOUT_SECONDS对应的超时错误。
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。