这个品类的数据长什么样
住宅开发研报的数据来源包括住建部门公开的土地交易与建设数据、上市房企定期报告、第三方行业咨询机构研报、土地交易平台公告。更新节奏随项目开发节点、财报披露周期、行业动态调整，无固定统一周期。文档多以PDF格式存储，包含结构化表格、文字论述与可视化图表，部分为扫描件格式。字段涵盖项目占地面积、建筑面积、容积率、楼面地价、建安成本、去化周期等，单位涉及平方米、万元、比值等专业计量标准。
这些特征在「文档解析与分块」这一环带来什么约束
住宅开发研报的数据来源多样，包含可编辑PDF与扫描件，带来格式解析的兼容性约束。文档长度跨度较大，短则数页的项目简报，长则数十页的年度行业分析报告，对分块粒度的适配性提出要求。字段包含专业工程与财务参数，需保留字段间的逻辑关联，避免拆分破坏业务逻辑完整性。部分文档嵌套多层表格与可视化图表，需准确提取图表关联的文字说明与数据，防止信息割裂。此外，部分文档包含页眉页脚的无关标识，需在解析阶段过滤后再进行分块。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
PARSE_OCR_ENABLE | 开启 | 部分住宅开发研报为扫描件格式，需通过OCR技术提取文本内容 |
PARSE_TABLE_MODE | 嵌套表格解析模式 | 住宅开发研报包含多层嵌套的成本构成、去化率统计表格，需保留表格层级结构 |
CHUNK_MAX_SIZE | 800–1200 字符 | 研报包含专业业务逻辑段落，该长度可保留单条完整的业务论述或参数组合 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 长文档包含大量图表与嵌套表格，解析耗时较长，该时长可覆盖多数长文档解析需求 |
FILTER_HEADER_FOOTER | 开启 | 研报文档常包含项目编号、页码、机构水印等无关内容，需过滤后再进行分块 |
CHUNK_OVERLAP_SIZE | 100–150 字符 | 避免专业业务段落被拆分断裂，保留上下文逻辑的关联性 |
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：执行单篇住宅开发研报解析时，后台日志显示加载了超过当前上传文件的条目数，或后续检索时出现非本次上传的文档内容。原因：未开启
PARSE_SINGLE_DOC_MODE参数，默认启用了全局文档关联解析逻辑，导致历史文档被一并加载。 - 现象：上传带可视化图表的研报后，OCR识别结果出现中文乱码，或图表关联的文本与数据未被提取。原因：未配置中文OCR语言包，或未开启
PARSE_OCR_ENABLE与PARSE_IMAGE_TEXT_ENABLE参数。 - 现象：分块后的文档片段拆分了完整的专业逻辑段落，如将成本测算的完整公式与说明拆分为两段。原因：设置的
CHUNK_MAX_SIZE参数值过小，未匹配住宅开发研报的专业段落长度。
怎么确认配好了
- 上传一份扫描版住宅开发研报，查看解析结果中的OCR文本完整性，核对中文内容是否存在乱码。
- 上传一份包含嵌套表格的研报，检查解析后的表格结构是否保留了层级关系，未出现单元格错位或内容丢失。
- 上传一份带页眉页脚的文档，查看分块结果是否过滤了预设的无关标识内容。
- 调整
CHUNK_MAX_SIZE参数后，上传一份长文档，核对分块后的片段长度是否符合预设区间，未出现过度拆分或过长的片段。
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。