这个品类的数据长什么样
数据来源包括公开行业研究报告、电网规划公开文件、储能企业公开披露资料、券商研报。更新节奏随文档类型不同：行业报告按季度更新，政策文件随政策发布不定期调整，企业经营数据随财报周期更新。文档多为长篇幅PDF，部分包含内嵌图表与表格，内容涵盖储能装机规模、系统循环参数、成本核算、并网规范等，涉及单位包含GW、MWh、元/kWh等，部分文档存在单位混用情况。
这些特征在「文档解析与分块」这一环带来什么约束
长篇幅文档会导致单块内容过长超出上下文窗口，或过短丢失专业关联信息，需要匹配文档结构调整分块粒度。内嵌图表与表格的存在，要求解析模块支持表格结构化提取，避免仅提取零散文字。单位混用情况会导致分块后数据关联失效，需要在解析阶段保留单位上下文。扫描版PDF的前置OCR环节，会增加解析耗时，需要调整超时阈值。专业术语密集的段落，需要避免跨术语分块，保证单块内的语义完整性。
配置怎么定
| 配置项 | 建议取法 | 这样取的依据 |
|---|---|---|
chunk_size | 800–1200 字符 | 储能研报多包含专业参数与长段落，该区间可平衡上下文完整性与检索精度 |
chunk_overlap | 100–150 字符 | 避免专业术语或参数被分块截断，保证跨块语义关联 |
enable_table_parse | 开启 | 储能研报包含大量装机量、成本等表格数据，开启后可结构化提取表格内容 |
PARSE_FILE_TIMEOUT_SECONDS | 300 秒 | 长文档与扫描版PDF的OCR与解析耗时较长，该取值可覆盖多数场景 |
UPLOAD_FILE_MAX_SIZE | 1000 MB | 储能研报多为单页多章节的长PDF，该取值可支持大文件上传 |
ocr_enable | 按文档类型开启 | 扫描版PDF需开启OCR，纯文本PDF可关闭以提升解析速度 |
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：上传单份超过配置阈值的储能研报PDF时，进度至90%左右出现“偏移量超出范围”报错。原因：未正确设置
UPLOAD_FILE_MAX_SIZE参数，或上传时未启用分片上传机制，导致大文件传输中断后索引错位。 - 现象：解析后的分块内容缺失储能相关的表格参数（如装机容量、循环次数）。原因：未开启
enable_table_parse配置，仅提取了纯文本内容，未结构化解析内嵌表格。 - 现象：通过API上传的储能研报与平台直接上传的分块结果不一致。原因：API调用时未指定
chunk_size与chunk_overlap参数，使用的默认配置与平台手动上传的配置不匹配，或未正确设置文档解析模式。
怎么确认配好了
- 上传一份典型的储能研报PDF，查看解析后的分块列表，核对分块长度是否符合预期的区间范围。
- 查看解析结果中的表格内容，确认是否完整提取了储能相关的参数与单位信息。
- 分别通过平台上传与API上传同一份文档，对比分块结果的粒度与内容，确认配置一致性。
- 上传一份扫描版储能研报，查看OCR识别后的文本是否完整，确认
ocr_enable配置生效。
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。