这个品类的数据长什么样
白酒尽调相关数据主要来源于酒厂内部生产台账、第三方检测机构报告、经销商合作文档及行业协会公开资料。更新节奏随文档类型不同分为三类：常规进销存台账按月更新，批次检测报告随生产批次产出，年度产能与合规文档按年度更新，新酒上市的配套文档随上市节奏临时生成。文档形态以多页PDF、Word表格文档及Excel明细台账为主，包含嵌套式理化指标表、批次溯源信息、原料构成说明等字段，字段单位包含毫升、千克、吨等。
这些特征在「文档解析与分块」这一环带来什么约束
白酒尽调报告的多嵌套表格、多样式文档及字段单位特性，对解析与分块环节带来三点约束。第一，嵌套式理化指标表需保留层级关联，避免跨页表格被拆分为无关片段，导致批次与指标的对应关系丢失。第二，文档格式不统一，既有原生Office结构化文档，也有扫描版PDF，需同时适配原生解析与OCR提取流程。第三，字段与单位绑定紧密，解析后需保留指标与对应单位的关联，避免后续尽调分析出现数据错位。整体需区分结构化表格数据与非结构化合规文本，按类型聚合分块以适配召回需求。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_TABLE_NESTING_LEVEL | 3 级 | 白酒尽调报告的嵌套表格层级通常不超过3级，保留该层级可完整还原批次与指标的关联 |
PARSE_OCR_ENABLE | 开启 | 部分第三方检测报告为扫描版PDF，需通过OCR提取表格与文本内容 |
CHUNK_SIZE | 800–1200 字符 | 适配白酒尽调报告的表格片段与合规文本长度，避免拆分关键指标组合 |
PARSE_FILE_TIMEOUT_SECONDS | 120 秒 | 大型年度生产台账文档解析耗时较长，该时长可覆盖绝大多数场景 |
RECALL_CHUNK_COUNT | 前 6 条 | 兼顾单批次多指标与跨批次对比的召回需求，覆盖核心尽调信息 |
UPLOAD_FILE_MAX_SIZE | 500 MB | 适配集团级白酒生产文档的常规大小，避免上传失败 |
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：上传多列理化指标表格后，解析结果出现字段错位、单位丢失。原因：未配置
PARSE_TABLE_NESTING_LEVEL为合适层级，或未开启PARSE_OCR_ENABLE导致扫描版表格的列对齐失效。 - 现象：上传PDF文档后，无法查看内嵌的检测报告图片。原因：未开启图片解析开关，或文档内图片为非标准格式导致解析失败。
- 现象：知识库召回结果仅包含零散文本，未覆盖核心批次指标。原因：
CHUNK_SIZE设置过小，将完整的批次指标表格拆分为多个无关片段，或RECALL_CHUNK_COUNT取值过低，未覆盖足够的关联信息。
怎么确认配好了
- 上传一份典型的白酒检测报告PDF，查看解析后的表格是否保留了嵌套层级与单位绑定关系。
- 上传扫描版的白酒生产台账文档，确认OCR解析后的文本与表格可正常识别。
- 发起一次知识库召回测试，核对召回结果是否包含目标批次的全部理化指标。
- 检查上传文件的大小是否符合配置的最大上传阈值，避免超出限制导致上传失败。
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。