这个品类的数据长什么样
航空装备智能尽调的文档来源包括军工整机厂商公开研制文档、军方定型报告、航材合格证明、国家及行业标准文件（如GJB系列）及供应链配套资质材料。更新节奏随新机型定型、航材迭代或标准修订调整，无高频实时更新需求。文档结构包含结构化参数表、长段技术说明、多Sheet航材清单及标题层级明确的报告正文，字段涵盖装备型号、研制单位、定型时间、核心性能参数、配套航材型号及试验数据等，单位多采用军工标准化计量体系，如千牛、米、千米、千克等。
这些特征在「文档解析与分块」这一环带来什么约束
航空装备尽调文档的结构化参数多、专业术语密集，且存在大量带合并表头的Excel航材清单，要求解析环节准确识别表格结构与行级记录边界，避免参数与单位对应关系断裂。大体积PDF或多Sheet Word文档占比高，单文件体积常达数百MB，对解析时长与内存占用提出更高要求。专业术语组合（如发动机型号代号）需完整保留在单个chunk中，避免拆分导致上下文断裂，影响后续召回准确性。Excel导入的航材清单需按行独立拆分，否则会导致后续召回时单条记录被分散为多个chunk，无法完整匹配提问。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
UPLOAD_FILE_MAX_SIZE | 1000 MB | 航空装备尽调文档单文件常包含多页定型报告与航材清单，需适配大体积文件上传 |
PARSE_FILE_TIMEOUT_SECONDS | 900 秒 | 大体积PDF或多Sheet Excel解析耗时较长，该时长可避免中途超时中断 |
chunk_size | 1000–1200 字符 | 航空装备文档含长段技术说明与结构化参数，该长度可保留完整技术上下文，避免拆分专业术语组 |
custom_separator | ["\n", "，", "。", "；", "### "] | 适配航空装备文档的中文标点与标题层级，Excel航材清单可通过换行符正确分隔单条记录 |
excel_parse_strategy | 按行拆分 | 避免Excel导入的航材清单出现多行合并为一个chunk的问题，确保单条记录独立 |
AUTO_PARSE_TABLE | 开启 | 准确识别文档中的结构化参数表，保留字段与单位的对应关系，避免解析后参数混乱 |
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：Excel导入的航材清单被自动合并为单个chunk，每行记录未独立拆分。原因：未配置
excel_parse_strategy为按行拆分，默认解析策略按整体区域拆分，未适配航材清单的行级记录格式。 - 现象：单文件超过10M的Word格式研制文档解析时，出现
504 Gateway Timeout报错。原因：未将PARSE_FILE_TIMEOUT_SECONDS调整至适配大文件的时长，默认配置的超时阈值不足以覆盖解析耗时。 - 现象：导入的定型报告中，某段与提问完全匹配的文本未被召回，新建相同配置的知识库后可正常召回。原因：首次导入时未开启
AUTO_PARSE_TABLE，导致结构化参数表被错误拆分，chunk边界与目标文本不匹配。
怎么确认配好了
- 上传单份体积符合
UPLOAD_FILE_MAX_SIZE配置的航空装备文档，确认上传界面无文件大小超限提示。 - 导入Excel格式的航材清单，查看解析后的chunk列表，确认每行记录对应一个独立chunk。
- 提取文档中的结构化参数表，查看解析结果是否保留字段与单位的对应关系，无内容混乱情况。
- 提交与知识库中某完整chunk文本完全一致的提问，验证该chunk可被正常召回。
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。